如何将值从一个Tensorflow变量复制到另一个变量?

我正在使用Tensorflow后端测试Keras,并试图更好地理解张量变量是如何工作的。我修改了Keras的随机梯度下降的更新函数,看看是否可以将值从一个变量复制到另一个变量。

目前我不能,但不知道为什么。

我已经修改了 get_updates 方法来创建 params 变量,用于存储网络的权重和偏差。我以与原件相同的方式更新此副本。当我使用副本的更新值更新原始文件时,不会出现任何要更新的值。当我使用原始文件的更新值更新原始文件时,更新是有效的。我不知道为什么一个案例有效,另一个不有效。

以下是修改后的版本 获取最新信息 方法我提供了更新params变量的常规(合理)方法,并展示了如何使用副本进行更新。

@interfaces.legacy_get_updates_support
def get_updates(self, loss, params):
    # Copy parameters - Create copy of net parameters
    params_tmp = []
    for p in params:
        params_tmp.append(K.variable(K.get_value(p), name=p.name[:-2] + "_cpy/"))

    self.updates = [K.update_add(self.iterations, 1)]
    self.weights = [self.iterations]

    grads = self.get_gradients(loss, params)  # Get Initial Gradient
                                              # for Heun
    for p, p_tmp, g in zip(params, params_tmp, grads):
        v = - self.lr * g
        new_p = p + v
        new_p_tmp = p_tmp + v   # Getting intermediate update
                                # using first gradient from Heun

        # Apply constraints.
        if getattr(p, 'constraint', None) is not None:
            new_p = p.constraint(new_p)
        if getattr(p_tmp, 'constraint', None) is not None:
            new_p_tmp = p_tmp.constraint(new_p_tmp)

        # Copy completed Heun update back to original param
        self.updates.append(K.update(p, new_p_tmp))  # Doesnt Work
        #self.updates.append(K.update(p, new_p))     # Works

    return self.updates

对于Tensorflow、Keras,更新函数为

def update(x, new_x):
    """Update the value of `x` to `new_x`.

    # Arguments
        x: A `Variable`.
        new_x: A tensor of same shape as `x`.

    # Returns
        The variable `x` updated.
    """
    return tf.assign(x, new_x)

为什么我不能使用副本的更新值更新params变量?