tf.tuple

Группирует тензоры вместе.

tf.tuple(
    tensors, control_inputs=None, name=None
)

Возвращаемые тензоры имеют то же значение, что и входные тензоры, но они вычисляются только после того, как будут вычислены все входные тензоры.

Примечание: В TensorFlow 2 с eager и/или Autograph, вам не нужен этот метод, так как операции выполняются в ожидаемом порядке благодаря автоматическим зависимостям управления. Используйте tf.tuple только при работе со v1 tf.Graph кодом.

См. также tf.group и tf.control_dependencies.

Пример:

with tf.Graph().as_default():
  with tf.compat.v1.Session() as sess:
    v = tf.Variable(0.0)
    a = tf.constant(1.0)
    sess.run(tf.compat.v1.global_variables_initializer())
    for i in range(5):
      update_op = v.assign_add(1.0)
      b = a + v
      res_b = sess.run(b)
      res_v = sess.run(v)
      print(res_v)
0.0
0.0
0.0
0.0
0.0

with tf.Graph().as_default():
  with tf.compat.v1.Session() as sess:
    v = tf.Variable(0.0)
    a = tf.constant(1.0)
    sess.run(tf.compat.v1.global_variables_initializer())
    for i in range(5):
      update_op = v.assign_add(1.0)
      calc = [a + v]
      # `tf.tuple` ensures `update_op` is run before `b`
      b = tf.tuple(calc, [tf.group(update_op)])
      res_b = sess.run(b)
      res_v = sess.run(v)
      print(res_v)
1.0
2.0
3.0
4.0
5.0

Аргументы
`tensors`	Список `Tensor` или `IndexedSlices`, некоторые записи могут быть `None`.
`control_inputs`	Список дополнительных операций, которые должны завершиться перед возвратом.
`name`	(необязательно) Имя для использования в качестве `name_scope` для операции.

Возвращаемое значение
То же, что и `tensors`.

Исключения
`ValueError`	Если `tensors` не содержит никаких `Tensor` или `IndexedSlices`.
`TypeError`	Если `control_inputs` не является списком объектов `Operation` или `Tensor`.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/tuple