TensorFlow学习笔记之control_dependencies(control_inputs)函数理解

参数：操作或者张量（tensor）的列表
返回：返回一个上下文管理器，控制上下文中所有操作的控制依赖
函数的功能：上下文中的所有操作（注意：必须是操作operation）会在参数list中所有操作完成以后才开始执行

 1 #!/usr/bin/env python
 2 # -*- coding: utf-8 -*-
 3 import tensorflow as tf
 4 
 5 """
 6 control_dependencies(control_inputs)
 7 Args:
 8     control_inputs: A list of `Operation` or `Tensor` objects which
 9       must be executed or computed before running the operations
10       defined in the context.  
11 Returns:
12     A context manager that specifies control dependencies for all
13     operations constructed within the context.
14 
15 参数：操作或者张量（tensor）的列表
16 返回：返回一个上下文管理器，控制上下文中所有操作的控制依赖
17 函数的功能：上下文中的所有操作（注意：必须是操作operation）会在参数list中所有操作完成以后才开始执行
18 """
19 
20 # 本例中，with结构（上下文）内的变量y不是operation，所有它不会在参数中的操作执行之前进行，相反，z是一个操作
21 
22 x = tf.Variable(1.0)
23 y = tf.Variable(0.0)
24 #返回一个op，表示给变量x加1的操作
25 x_plus_1 = tf.assign_add(x, 1)
26 
27 #control_dependencies的意义是，在执行with包含的内容（在这里就是 y = x）前，
28 #先执行control_dependencies参数中的内容（在这里就是 x_plus_1）
29 with tf.control_dependencies([x_plus_1]):
30     # y = x
31     z = tf.identity(x)  # tf.identity()就是返回参数本身，这里相当于z=x
32 
33 init = tf.initialize_all_variables()
34 
35 with tf.Session() as session:
36     init.run()
37     for i in range(5):
38         # 相当于sess.run(y)，按照我们的预期，由于control_dependencies的作用，
39         # 所以应该执行print前都会先执行x_plus_1，但是这种情况会出问题
40         # print(y.eval())
41         print(z.eval())

运行结果：执行print(y.eval())，输出的全是1；执行print(z.eval())，输出的是2，3，4，5，6

这是因为y=x只是赋值语句，算不上是一个operation，而z = tf.identity(x)是一个operation，TensorFlow会在计算图中为z添加一个节点（对应操作z），在执行上下文中的操作之前会先执行control_dependencies(control_inputs)的参数control_inputs中的操作，再执行上下文中z的操作。所以会先计算x_plus_1，再计算z；反之，y不是一个操作，TensorFlow不会为它创建节点，因此，y也就不需要在x_plus_1计算完成后在计算。