这是张力流中的错误吗？

Question

我试图用tensorflow生成斐波纳契数：F（n + 2）= F（n + 1）+ F（n）。每次运行我的代码时，它都会产生不同的结果，非常奇怪。代码很简单，并粘贴在下面。

import tensorflow as tf 

a = tf.Variable(1) 
b = tf.Variable(1) 
c = tf.Variable(2) 
sum=tf.add(a,b) 

as0 = tf.assign(a,b) 
as1=tf.assign(b, c) 
as2=tf.assign(c, sum) 

sess = tf.Session() 
init = tf.global_variables_initializer() 
sess.run(init) 
for i in range(10): 
    print(sess.run([as2, as1,as0])) 

Answer 1

这是一个有趣的！

当你调用sess.run（）时，你似乎只是不知道图的执行顺序，或者至少你不知道每个张量的计算结果是以何种顺序完成的，所以分配和总和在错误（每次可能不同）顺序中执行。下面的代码工作正常，通过强制图形做的事情以正确的顺序：

import tensorflow as tf 
a = tf.Variable(1) 
b = tf.Variable(1) 
c = tf.Variable(2) 
sum=tf.add(a,b) 
as0 = tf.assign(a,b) 
as1=tf.assign(b, c) 
as2=tf.assign(c, sum) 
sess = tf.Session() 
init = tf.global_variables_initializer() 
sess.run(init) 
for i in range(10): 
    sess.run(as0) 
    sess.run(as1) 
    print(sess.run(as2)) 

这是不是很实用，因为它是从图表的。 您可能会使用flow control ops强制它们按正确的顺序执行。

Answer 2

我认为@gdelab回答的不是完全是没错。我的意思是，解决问题的确是事实，但我认为这不是真正的原因。这是我的猜测。

我强烈地认为你试图在Jupyter笔记本上运行该代码。如果那不是真的，那么可能我错了。那么，假设是这样的：

1. 第一次运行代码时，它给出了正确的输出。

2. 第二次运行代码时，它会给出另一个输出。

3. 但那是因为你没有从头开始运行。这是，内核不重新启动并且变量不会被擦除，所以输出更改。如果你“重启核”，然后再次运行该代码时，输出始终是相同的（第一图像的输出）

现在，请不要告诉我你不使用Jupyter笔记本:)

Answer 3

如果一些操作可以与另一个并行执行，他们可能会。因此，执行顺序不是您编写的操作的顺序。

执行的顺序仅在明确强制执行时（与tf.control_dependencies一致）或者在计算另一个节点（当节点是另一个节点的先决条件时）之前必须计算节点时存在。

让我们深入到代码：

a = tf.Variable(1) 
b = tf.Variable(1) 
c = tf.Variable(2) 
sum=tf.add(a,b) 

到现在为止，你刚才定义3个变量和操作。 请注意：你的定义了一个节点。什么都没有发生。

as0 = tf.assign(a,b) 
as1=tf.assign(b, c) 
as2=tf.assign(c, sum) 

在这里，您定义 3分配操作。他们之间有无订单。 没有人知道之前和之后会执行什么，因为它们之间没有因果关系。

您唯一可以确定的是，在将sum的值分配给c之前，必须执行总和。

因此，在您的图形中，只有一个箭头从sum节点到assign(c,sum)节点。

P.S：这不是像斐波那契数列那样计算操作的推荐方式。相反，你应该使用tf.scan，它有一个可以帮助你很多的参数accumulator。