Tensorflow累加案例如何编写？

本文共计299个文字，预计阅读时间需要2分钟。

由于Python内部变量的本质是reference，而Tensorflow实现时的时机也没有意义去判断输出是否是同一变量的名称，因此确定是否需要新建一个Tensor用于输出。Tensorflow为了满足所有需求，定义了两个Tensor概念。

由于python内部的变量其实都是reference，而Tensorflow实现的时候也没有意义去判断输出是否是同一变量名，从而判定是否要新建一个Tensor用于输出。Tensorflow为了满足所有需求，定义了两个不同的函数：tf.add和tf.assign_add。从名字即可看出区别，累加应该使用tf.assign_add。同理的还有tf.assign_sub和tf.assign。

具体地，笔者需要一个iteration counter类似的变量，即每次使用一个batch更新参数之后都使得该变量加一，进而控制learning rate等参数来调节学习过程。

最初的实现如下：

a = tf.Variable(tf.zeros(1)) a = tf.add(a,tf.ones(1)) sess = tf.Session() sess.run(tf.global_variable_initializer()) for i in range(1000): print(sess.run(a))

那因为第一行代码输出的a和第二行代码输出的a，虽然变量名相同，但是实质指向的变量以及空间都不同，每次输出的都是1。