以编程方式区分TensorFlow中的张量，变量和Ops

Question

是否有一种很好的方式来区分TensorFlow中张量，变量和操作之间的编程方式？例如，当重新加载模型和tf.local_variables()可以同时具有张量和变量时，就会出现这种情况。如果你尝试初始化一个张量，你会得到一个错误。

下面是我目前的黑客来解决这个问题的一些代码，但有没有更好的方法？部分问题是，变量，张量等的类型是，例如，tensorflow.python.ops.variables.Variable，但似乎tensorflow.python不再可用（我认为它是在一些早期版本？）。这个例子只显示变量与张量，但我还需要区分ops和张量，并且必须使用类似的hacks。

import tensorflow as tf 
vars_list = [tf.Variable(0), tf.constant(0)] 
# init = tf.variables_initializer(vars_list) # -> AttributeError: 'Tensor' object has no attribute 'initializer' 
var_type = type(tf.Variable(0)) 
init = tf.variables_initializer([v for v in vars_list if type(v) == var_type]) 

Answer 1

通常，在Python中，应当使用

isinstance(x, tf.Variable) 

或

isinstance(x, (tf.Variable, tf.Tensor)) 

等