何时使用 tf.Variable vs TensorArray [关闭]

Question

对于 tensorflow 张量对象的使用，我确实有一个初学者的问题。

我误用了 tensorflow 来计算一些远非矩阵乘法的算法的梯度。我知道这很可能是个坏主意——我仍然想尝试一下。

我想将中间计算的结果分配给张量的元素，以便将其传递到下一层。 由于我无法在一次操作中计算整个结果张量，因此我想逐个分配结果，如果我正确理解文档，我认为应该可以这样做。

显然我可以通过使用 tf.Variable 或 TensorArray 来做到这一点。两者都允许在运行时动态分配值，同时允许通过它们计算梯度。

在所描述的（错误）用例中，两者之间有什么区别？这里推荐的选择是什么？

最好， N.

Answer 1

tf.variable 是可变张量的基本类型。 Variable() 构造函数需要变量的初始值，它可以是任何类型和形状的张量。这个初始值定义了变量的类型和形状。构造后，变量的类型和形状是固定的。可以使用 assign 方法更改值。

tf.TensorArray 类旨在用于动态迭代原语，例如 while_loop 和 map_fn。

两者都允许动态分配，在您的情况下，都可以使用。但是定义类型的 TensorArray 是更好的方法，因为 tf.variable 创建了一个分配变量类型的张量。