tensorflow - 在 tensorflow 2.2 中更新/分配依赖变量后，张量操作的值不会更新，在急切执行中运行

Question

我在 tensorflow 2.2 中运行以下代码

a = tf.constant([2.0, 3.0, 4.0])
b = tf.Variable([4.0, 3.0, 5.0])
c = a * b

的b值为：

<tf.Variable 'Variable:0' shape=(3,) dtype=float32, numpy=array([4., 3., 5.], dtype=float32)>

的c值为：

<tf.Tensor: shape=(3,), dtype=float32, numpy=array([ 8.,  9., 20.], dtype=float32)>

如果我现在更新变量 b

b.assign( [ 1.0, 1.0 , 1.0] )
# b is now <tf.Variable 'Variable:0' shape=(3,) dtype=float32, numpy=array([1., 1., 1.], dtype=float32)>

但是当我打印的值时c，我希望它应该已经改变，因为b已经改变了，但c没有改变

# c is still <tf.Tensor: shape=(3,), dtype=float32, numpy=array([ 8.,  9., 20.], dtype=float32)>

我的测试在急切模式下运行。tf.executing_eagerly() = 现在为真

背后的原因是什么？

Answer 1

c 已经被前 b 属性化了，如果要改变 c，需要重新执行 c=a*b