如何在 TensorFlow 中取消引用_ref张量类型

Question

如何将参考张量类型转换为值张量类型？

我发现的唯一方法是向张量添加一个零。有什么方便的方法吗？

assign下面是引用类型的张量。如何摆脱_ref？

import tensorflow as tf
counter = tf.Variable(0, name="counter")
zero = tf.constant(0)
one = tf.constant(1)
new_counter = tf.add(counter, one)
assign = tf.assign(counter, new_counter) # dtype=int32_ref
result = tf.add(assign, zero) # dtype=int32
result2 = tf.convert_to_tensor(assign) # dtype=int32_ref
# result3 = assign.value() # has no attribute value

Answer 1

一般来说，你应该能够在任何需要tf.foo型张量的地方使用 tf.foo_ref 型张量。TensorFlow ops 将隐式取消引用它们的输入参数（除非显式预期引用张量，例如在 tf.assign() 中）。

取消引用张量的最简单方法是使用 tf.identity() ，如下所示：

counter = tf.Variable(0)
assert counter.dtype == tf.int32_ref
counter_val = tf.identity(counter)
assert counter_val.dtype == tf.int32

请注意，这回答了您的问题，但可能会有令人惊讶的语义，因为tf.identity()不会复制基础缓冲区。因此，上面示例中的counter和counter_val共享同一个缓冲区，对counter的修改将反映在counter_val中：

counter = tf.Variable(0)
counter_val = tf.identity(counter)  # Take alias before the `assign_add` happens.
counter_update = counter.assign_add(1)
with tf.control_dependencies([counter_update]):
  # Force a copy after the `assign_add` happens.
  result = counter_val + 0
sess = tf.Session()
sess.run(tf.initialize_all_variables())
print sess.run(result)  # ==> 1  (result has effect of `assign_add`)