Python tf.group用法及代码示例

创建一个对多个操作进行分组的操作。

用法

tf.group(
    *inputs, **kwargs
)

当此操作完成时，inputs 中的所有操作都已完成。此操作没有输出。

注意： 在带有 Eager 和/或 Autograph 的 TensorFlow 2 中，您不应需要此方法，因为由于自动控制依赖关系，操作按预期顺序执行。只使用tf.group使用 v1 时tf.Graph代码。

在 v1 样式的图形上下文中操作时，操作的执行顺序与代码中指定的顺序不同； TensorFlow 将尝试并行执行操作，或者按照其计算结果方便的顺序执行操作。 tf.group 允许您请求在继续执行之前完成一个或多个结果。

tf.group 创建单个操作(类型为 NoOp )，然后添加适当的控制依赖项。因此，c = tf.group(a, b) 将计算与此相同的图：

with tf.control_dependencies([a, b]):
    c = tf.no_op()

另请参见 tf.tuple 和 tf.control_dependencies 。