我对 tensorflow v1 会话的理解是否正确？

Question

我有以下代码：

self.sess = tf.Session()
_, self.cost = self.sess.run(
    [self._train_op, self.loss],
    feed_dict={self.s: batch_memory[:, :self.n_features],
    self.q_target: q_target}
)

我理解的执行顺序是：

self.cost=self.sess.run(
    [self.loss],feed_dict={self.s: batch_memory[:, :self.n_features], self.q_target: q_target})
_=self.sess.run([self._train_op],feed_dict={self.loss:self.cost})

我的理解正确吗？

Answer 1

执行顺序是连续的。图表的创建顺序与在会话中定义操作的顺序相同。

简单示例：

import tensorflow as tf
x = 4
y = 5
add_op = tf.add(x, y, name='Add')
mul_op = tf.multiply(x, y, name='Multiply')
pow_op = tf.pow(add_op, mul_op, name='Power')
useless_op = tf.multiply(x, add_op, name='Useless')

with tf.Session() as sess:
    pow_out, useless_out = sess.run([pow_op, useless_op]) 

当获取pow_op操作时，它会首先运行add_op和mul_op来得到它们的输出张量，然后在它们上运行pow_op来计算需要的输出值。换句话说，useless_op 不会被执行，因为它的输出张量没有用于执行pow_op 操作。