我对'='运算符和tf.identity()感到困惑，我认为'='只是引用张量，而标识就是复制，例如，
ref = x
ref = ref*0
sess.run(x)
我将x全部设置为0元素，并使用
copy = tf.identity(x)
copy = ref*0
sess.run(x)
x不会被更改，因为身份会复制，而不是参考，但是通过实验，'='也会复制并且x未设置为0，那么＆＃ 39;区别？
答案 0 :(得分：2)
区别仅在于张量图布局。 tf.identity在图中创建了一个模拟其参数的 new op ，而纯赋值会添加一个指向同一操作的 new python变量。
在这两种情况下（对ref和x或对copy和x），两个操作总是评估为相同的值。但在第二种情况下，tf.get_default_graph().get_operations()将在列表中显示一个名为Identity的新操作。
sess = tf.InteractiveSession()
x = tf.Variable(1.0)
sess.run(x.initializer)
ref = x
copy = tf.identity(x)
print(x.eval(), copy.eval(), ref.eval()) # 1.0 1.0 1.0
sess.run(x.assign(2.0))
print(x.eval(), copy.eval(), ref.eval()) # 2.0 2.0 2.0
print(tf.get_default_graph().get_operations())
你可能想知道，为什么有人想在她完成任务时引入新的操作。有些情况下，分配不起作用，但tf.identity会这样做，因为它会创建一个新的操作，例如在控制流程中。请参阅此问题：How to add control dependency to Tensorflow op。
答案 1 :(得分：1)
被接受的答案似乎不再是正确的，至少在急切执行的情况下。 tf.identity将返回具有相同值的不同张量，因此等效于<variable>.read_value()。这是文档中的示例，显示了当前行为：
a = tf.Variable(5)
a_identity = tf.identity(a)
a.assign_add(1)
a.numpy() # 6
a_identity.numpy() # 5
因此，我们看到对tf.identity返回的张量执行的操作不会影响调用它的张量。