TensorFlow变量和常量

Question

我是tensorflow的新手，我无法理解变量和常量的区别，我知道我们将变量用于方程式，将常量用于直接值，但是为什么代码＃1仅工作，为什么代码＃2和＃
3，请说明在哪种情况下我们必须先运行图形（a），然后运行变量（b），即

 (a) session.run(model)
 (b) print(session.run(y))

在这种情况下，我可以直接执行此命令，即

print(session.run(y))

代码1：

x = tf.constant(35, name='x')
y = tf.Variable(x + 5, name='y')

model = tf.global_variables_initializer()

with tf.Session() as session:
    session.run(model)
    print(session.run(y))

代码2：

x = tf.Variable(35, name='x')
y = tf.Variable(x + 5, name='y')

model = tf.global_variables_initializer()

with tf.Session() as session:
    session.run(model)
    print(session.run(y))

代码3：

x = tf.constant(35, name='x')
y = tf.constant(x + 5, name='y')

model = tf.global_variables_initializer()

with tf.Session() as session:
    session.run(model)
    print(session.run(y))

Answer 1

在TensorFlow中，常量和变量之间的区别在于，当您声明某个常量时，其值以后将无法更改（而且初始化应使用值
而不是操作 ）。

但是，在声明变量时，将来可以使用tf.assign（）方法更改其值（并且可以通过值或操作来实现初始化）。

函数tf.global_variables_initializer（）使用作为参数传递的值初始化代码中的所有变量，但它在异步模式下工作，因此当变量之间存在依赖关系时，该函数将无法正常工作。

您的第一个代码（＃1）正常工作，因为不依赖于变量初始化，并且常量是用值构造的。

由于的异步行为，第二个代码（＃2）不起作用tf.global_variables_initializer()。您可以使用tf.variables_initializer（）对其进行修复，如下所示：

x = tf.Variable(35, name='x')
model_x = tf.variables_initializer([x])

y = tf.Variable(x + 5, name='y')
model_y = tf.variables_initializer([y])


with tf.Session() as session:
   session.run(model_x)
   session.run(model_y)
   print(session.run(y))

第三个代码（＃3）无法正常工作，因为您试图通过操作初始化常量，这是不可能的。要解决此问题，适当的策略是（＃1）。

关于您的最后一个问题。(a) session.run(model)当计算图中有变量时，您需要运行(b) print(session.run(y))。