如何使用占位符分配tf.Variables？

Question

目前，我有以下代码：

x = tf.placeholder(tf.int32, name = "x")
y = tf.Variable(0, name="y")
y = 2*x**2 + 5
for i in range(1,10):
    print("Value of y for x = ",i, " is: ",sess.run(y, feed_dict={x:i}))

然而，当我想在tensorboard上显示它时，它变得很混乱。 理想情况下，我想做y=tf.Variable(2*x**2 +5)，但是tensorflow会抛出一个错误告诉我x未初始化。 或者，我不应该使用tf.Variable，使用其他东西是否更好？

- gust

Answer 1

我认为你误解了tf.Variable的含义。引用Tensorflow文档的说法：

tf.Variable代表一个张量，其值可以通过运行操作来更改。与tf.Tensor对象不同，tf.Variable存在于单个session.run调用的上下文之外。

因此，在神经网络中，变量将是偏差和权重。在训练网络时，这些将会变化。在Tensorflow中，如果要使用变量，需要初始化它们（使用常量或随机值）。这就是你的错误所在：你将y定义为tf.Variable，因此需要初始化。

但是，你的y是确定性的，它不是tf.Variable。你可以删除定义y的那一行，它将正常工作：

import tensorflow as tf

x = tf.placeholder(tf.int32, name = "x")
y = 2*x**2 + 5

with tf.Session() as sess:
    for i in range(1,10):
        print("Value of y for x = ",i, " is: ",sess.run(y, feed_dict={x:i}))

最初的回答是：“它返回：”。

Value of y for x =  1  is:  7
Value of y for x =  2  is:  13
Value of y for x =  3  is:  23
Value of y for x =  4  is:  37
Value of y for x =  5  is:  55
Value of y for x =  6  is:  77
Value of y for x =  7  is:  103
Value of y for x =  8  is:  133
Value of y for x =  9  is:  167

- Nakor

Answer 2

如果你真的想要使用 tf.Variable 来实现这个，有两种方法。你可以将期望的表达式作为变量的初始化值。然后，在你初始化变量时，你会在 feed_dict 中传递 x 值。

import tensorflow as tf

# Placeholder shape must be specified or use validate_shape=False in tf.Variable
x = tf.placeholder(tf.int32, (), name="x")
# Initialization value for variable is desired expression
y = tf.Variable(2 * x ** 2 + 5, name="y")
with tf.Session() as sess:
    for i in range(1,10):
        # Initialize variable on each iteration
        sess.run(y.initializer, feed_dict={x: i})
        # Show value
        print("Value of y for x =", i , "is:", sess.run(y))

或者，您可以使用tf.assign操作来执行相同的操作。在这种情况下，在运行赋值时传递x值。

import tensorflow as tf

# Here placeholder shape is not stricly required as tf.Variable already gives the shape
x = tf.placeholder(tf.int32, name="x")
# Specify some initialization value for variable
y = tf.Variable(0, name="y")
# Assign expression value to variable
y_assigned = tf.assign(y, 2 * x** 2 + 5)
# Initialization can be skipped in this case since we always assign new value
with tf.Graph().as_default(), tf.Session() as sess:
    for i in range(1,10):
        # Assign vale to variable in each iteration (and get value after assignment)
        print("Value of y for x =", i , "is:", sess.run(y_assigned, feed_dict={x: i}))

然而，正如Nakor所指出的那样，如果y只是根据x的任何值计算出的结果，那么您可能不需要一个变量。变量的目的是保存在将来调用“run”时将维护的值。因此，只有当您想要根据x设置y的某个值，然后即使x更改（甚至如果x未提供），也要保持相同的值时，才需要它。

- jdehesa

---

我明白了。所以问题在于在给x赋值之前尝试运行初始化程序。这真的很有帮助。非常感谢！ - gust