关于tf.identity 和tf.control_dependencies

首先，从tensor的定义说起，官网的解释为：A tensor is a generalization of vectors and matrices to potentially higher dimensions. tensor可以是Variable，Constant，Placeholder等等。但是，官网上还有一句话值得注意：Unlike tf.Tensor objects, a tf.Variable exists outside the context of a single session.run call.这个说明了variable的特殊性，这也就是 y = x 失效，而 y = tf.identity(x)有效的原因。同时，对于tf.control_dependencies，官网上有这么句话：control_inputs: A list of Operation or Tensor objects which must be executed or computed before running the operations defined in the context. 继续看下面的代码：

运行的结果为：

此时y的类型为tf.Variable，不受tf.control_dependencies控制。我们把y=x换成y=x+0.0，代码变为：

再次运行代码，输出为：

此时，y的类型变成了tensor类型，受tf.control_dependencies的约束，生成y之前，进行了5次自加操作。最后，换成y = tf.identity(x,name='x')。代码如下：

运行代码，输出为：

tf.identity属于tensorflow中的一个ops，跟x = x + 0.0的性质一样，返回一个tensor，受到tf.control_dependencies的约束，所以生效。

转自：https://www.jianshu.com/p/6304b7c7896b