这篇文章给大家介绍Tensorflow中执行顺序和控制依赖的关系是什么，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。
Tensorflow不会立即运行已定义的操作，而是会在图形中创建相应的节点，并使用Session.run（）方法对其进行计算。这使的Tensorflow在运行时可以进行优化，确定以最佳的执行顺序并尽可能修剪未使用的节点。如下例子，这里我们创建3个张量，两个常量张量和另一个存储加法结果的张量。在这里我们是不能覆盖张量的值，如果要修改张量值，我们必须创建一个新的张量然后再赋值给它。运行结果是3。
注意：如果图中只有tf.Tensors，我们是不需要担心依赖关系的，但是我们有可能会用到tf.Variables，tf.Variables会让依赖关系变得更加复杂。所以我们尽量使用张量，只有张量不能工作时才让Variables来做。
与张量不同，变量是可更新的。如何我们使用变量来做上面同样的事情
张量c在这里会出现不确定性值，这个值可能是3或7，取决于相加操作和赋值操作哪个先执行。
在代码中定义的操作顺序与Tensorflow运行是无关的。唯一需要关注的是控制依赖关系。张量的控制依赖性很简单，每次在一个操作中使用张量时，该操作都会定义该张量的隐式依赖关系。当处理变量时，需要使用tf.control_dependencies（）按如下方式显式定义依赖关系。
关于Tensorflow中执行顺序和控制依赖的关系是什么就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
