TensorFlow的assign_add/assign_sub为何同时修改类与实例变量？

这个现象的核心原因是Python中可变对象与不可变对象的行为差异，结合TensorFlow tf.Variable的特性导致的：

1. 普通Python类的行为解析 #

在普通Python类myc_base中：

• 类变量a=1.是不可变类型（float）。不可变类型的特点是无法修改对象本身的内容，任何"修改"操作都会创建一个新的对象。
• 当实例调用self.a += to_add时，实际执行逻辑是：
  1. 读取类变量a的初始值1.
  2. 计算1. + 5. = 6.，创建一个新的float对象6.
  3. 将这个新对象赋值给实例属性self.a
• 此时实例的a已经脱离了对类变量的引用，拥有了独立的实例属性，所以后续修改只会影响实例自身，类变量保持不变。

你可以通过打印对象ID验证这一点：

print(f"Init: class.a id={id(myc_base.a)}, obj.a id={id(obj_base.a)}") # 初始时ID相同
obj_base.add(5.)
print(f"After add: class.a id={id(myc_base.a)}, obj.a id={id(obj_base.a)}") # ID不同，说明是两个独立对象

2. TensorFlow类的行为解析 #

在TensorFlow类myc_tf中：

• 类变量a=tf.Variable(1.)是可变类型。tf.Variable是封装数值的可变容器，允许直接修改内部存储的数值，不需要创建新的Variable对象。
• 当实例调用self.a.assign_add(to_add)时：
  1. 实例的self.a在未被重新赋值的情况下，始终指向类变量的那个tf.Variable实例（可以用id(myc_tf.a) == id(obj_tf.a)验证）
  2. assign_add方法直接修改了这个可变对象内部的数值，而非创建新的Variable
• 因为类变量和实例变量指向的是同一个可变对象，修改对象内部值后，两者读取到的数值会同步变化。

而实例的b是在__init__中创建的独立tf.Variable，所以self.b.assign_add只会修改这个实例专属的Variable，不会影响其他实例或类属性。

总结 #

• 不可变类型（如int、float、str）："修改"操作会创建新对象，实例属性会脱离类变量的引用
• 可变类型（如tf.Variable、list、dict）：修改操作直接改变对象内部内容，若实例属性未重新赋值，会始终指向类变量的同一个对象，导致类变量和实例变量同步变化

内容的提问来源于stack exchange，提问作者learner