tf.train.get_global_step()返回的值是当前训练步数吗？如果不是，那么当前的global_step与当前训练步数有何不同？

这是关于以下代码的参考：

optimizer=lambda: tf.train.FtrlOptimizer(      learning_rate=tf.train.exponential_decay(          learning_rate=0.1,          global_step=tf.train.get_global_step(),          decay_steps=10000000,          decay_rate=0.96)))

tf.train.get_global_step()会在每个训练步数递增global_step并相应地影响learning_rate吗？或者更具体地说，global_step的值是否与当前训练步数的值相同，并相应地影响learning_rate？

回答：

问题编辑后的更新

tf.train.get_global_step()会在每个训练步数递增global_step吗？

不会。优化器会负责递增，tf.train.get_global_step()只是获取当前存储全局步数的变量（如果之前已经定义了的话）。

并相应地影响学习率吗？

是的，学习率调度会内部获取当前全局步数的值，并相应地调整学习率。

更新：一些澄清

在TensorFlow中，通常在Python中理解的“变量”（不是 tf.Variable()）和张量（tf.Variable是一种张量）之间存在关键区别。

当你调用

global_step = tf.train.get_global_step()

（假设之前某处已经定义了一个全局步数），你会得到一个Tensor对象，而不是整数。

基本理念是将计算的构建阶段（你描述应用于数据的操作）和实际执行阶段（你输入数据并获得结果）分开。这通常会引起最初的混乱，但这是TensorFlow编程模型的一个关键点（至少在TensorFlow 2.0之前）。

如果你想获取global_step的当前值，你需要评估图。假设你已经定义了一个tf.Session()，你可以选择：

step_value = sess.run(global_step)

或者替代地：

step_value = global_step.eval(session=sess)

学习率调度内部会这样做。在每个步骤，它会获取全局步数的当前值，并根据给定的参数计算学习率。同样，优化器内部会在每个步骤更新当前的全局步数值，因此除非你需要该值用于日志记录/调试，否则你通常不会显式地评估global_step。