python - 如何在 TensorFlow 中取消引用 _ref 张量类型？

Question

如何将引用张量类型转换为值张量类型？

我找到的唯一方法是给张量加一个零。有什么方便的方法吗？

在assign下面是一个引用类型的张量。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，您应该能够使用 tf.foo_ref任何地方的类型张量 tf.foo预期类型张量。 TensorFlow ops 将隐式取消引用它们的输入参数(除非明确期望引用张量，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:

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，但可能具有令人惊讶的语义，因为 tf.identity() 不复制底层缓冲区。因此，counter和 counter_val在上面的示例中共享相同的缓冲区，并对 counter 进行了修改会反射(reflect)在counter_val :

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`)