import tensorflow as tf
x = tf.constant(35, name='x')
y = tf.Variable(x + 5, name='y')
# model = tf.global_variables_initializer()
with tf.Session() as session:
print("x = ", session.run(x))
# session.run(model)
print("y = ", session.run(y))
Je n'ai pas pu comprendre quand global_variables_initializer() est réellement requis. Dans le code ci-dessus, si nous décommons les lignes 4 & 7, je peux exécuter le code et voir les valeurs. Si je cours tel quel, je vois un accident. Ma question est quelles variables il initialise. 'x' est une constante qui n'a pas besoin d'initialisation et 'y' est une variable qui n'est pas initialisée mais qui est utilisée comme opération arithmétique.Lorsque global_variables_initializer() est réellement requis
Dans mon code, il n'y a pas d '"initialisation explicite" comme "z = tf.Variable (4)" pour une variable. Mais j'ai utilisé la variable y qui est la sortie de l'opération arithmétique et elle est évaluée par sess.run(). Dans de tels cas, il doit être «implicitement initialisé» et nous avons donc besoin d'une initialisation variable. – Vinay
@Vinay que voulez-vous dire par «aucune initialisation explicite»? Et qu'est-ce que c'est si ce n'est une initialisation? 'tf.Variable (x + 5, name = 'y')' –
Merci, vous avez raison. Je pensais cette déclaration comme une opération arithmétique plutôt que comme une initialisation. – Vinay