[tf]tf.identity和=赋值的区别

• y = tf.identity(x)是一个op操作表示将x的值赋予y
• y = x只是一个内存拷贝，并不是一个op，而control_dependencies只有当里面是一个Op的时候才能起作用。
• Assign, Identity 这两个OP 与Variable 关系极其紧密，分别实现了变量的修改与读取。因此，它们必须与Variable 在同一个设备上执行；这样的关系，常称为同位关系(Colocation)。

x = tf.Variable(0.0)
#返回一个op，表示给变量x加1的操作
x_plus_1 = tf.assign_add(x, 1)
  
#control_dependencies的意义是，在执行with包含的内容（在这里就是 y = x）前
#先执行control_dependencies中的内容（在这里就是 x_plus_1）
with tf.control_dependencies([x_plus_1]):
    y = x
init = tf.initialize_all_variables()
  
with tf.Session() as session:
    init.run()
    for i in xrange(5):
        print(y.eval())
>>0
0
0
0
0

x = tf.Variable(1.0)
y = tf.Variable(0.0)
x_plus_1 = tf.assign_add(x, 1)

with tf.control_dependencies([x_plus_1]):
    y = tf.identity(x)#修改部分
init = tf.initialize_all_variables()

with tf.Session() as session:
    init.run()
    for i in xrange(5):
        print(y.eval())
>>2
3
4
5
6