Session.run() 如何选择运行哪个子图

Question

我试图了解 Session.run() 在 Tensorflow 流程中的工作原理。我知道 Session.run() 运行我们给它的“fetch”参数指定的子图。由于根据首先执行子图的哪一部分，我们可能会得到不同的结果，所以我试图看看是否真的如此。假设我们比较这段代码的输出：

import tensorflow as tf

x = tf.Variable(42)
assign1 = tf.assign(x, 13)
assign2 = tf.assign(x, 14)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    val1, val2, val3 = sess.run([x, assign1, assign2])
    print(val1, val2, val3)

使用此代码：

import tensorflow as tf

x = tf.Variable(42)
assign2 = tf.assign(x, 14)
assign1 = tf.assign(x, 13)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    val1, val2, val3 = sess.run([x, assign1, assign2])
    print(val1, val2, val3)

（唯一的变化是在第二个代码中首先分配 14）。我期待看到第一个代码产生输出 14、14、14，而第二个代码产生 13、13、13。

但是，结果是第一个产生了 13、13、13，而第二个产生了 14、14、14。

为什么会这样？

---

更新：以下选择的答案：

我不太明白什么是独立的，什么不是。例如，在以下代码中：

x = tf.Variable([1, 2, 3, 4, 5])

def foo():
    tmp_list = []
    assign = tf.assign(x[4], 100)
    for i in range(0, 5):
        tmp_list.append(x[i])
    return tmp_list

z = foo()

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    val1, val2 = sess.run([z, assign])
    print(val1, val2)

在我的 Session.run() 中，我有 z 和 assign。要获得 z，我需要 foo()。当 foo() 运行时，assign = tf.assign(x[4], 100) 也会运行。但是，输出是[1, 2, 3, 4, 5] 13，我不知道 13 是从哪里来的。

Answer 1

无法保证先执行哪个独立操作，因此在这两种情况下您都可以得到 13 或 14。你的结果是纯粹的运气。试试这个：

with tf.Session() as sess:
  sess.run(tf.global_variables_initializer())
  for i in range(100):
    val1, val2, val3 = sess.run([x, assign1, assign2])
    print(val1, val2, val3)

...您会看到 13 和 14 打印出来。

---

后续问题的更新：

z = foo()（这只是x 切片的列表）不依赖于assign。请注意，foo 在会话开始之前只被调用一次。我认为，最好的方法是在 tensorboard 中可视化图形。

如果你说...

sess.run(z)

... tensorflow 不会运行assign，因为它不运行 python 函数，它会计算张量。并且张量x 或x[i] 不依赖于操作assign。

依赖是由张量执行的操作定义的。所以如果你有...

y = x + 2

...这个是一个依赖项：为了评估y，tensorflow 必须评估x。希望现在可以更清楚地说明这一点。