我想知道这是否是正确的理解：
所有张量都从某个操作派生而来，或者在构造函数中为操作指定名称，或者为特定类型的操作指定默认名称。如果名称不唯一，TensorFlow自动追加处理这个"_1"，"_2"等有操作的N张量输出命名这些张量"op_name:0"，"op_name:1"...， "op_name:n-1"。
似乎出现了一个问题：如果x是tf.Variable，则x.name给出"variable_name:0"。这令人困惑："variable_name"指的是什么？
您对Tensor命名的观察是绝对正确的：a的名称Tensor是的串联
:），以及因此，名为张量的张量"foo:2"是"foo"在位置2（索引从零开始）处的op的输出。
该命名的tf.Variable对象是有点奇怪。每个都tf.Variable包含一个可变的张量对象，该对象保存变量（和其他一些张量）的状态。甲"Variable"OP（其名称"variable_name"在你的例子）“生产”每次运行作为其第零输出时间这个可变张量，所以可变张量的名称是"variable_name:0"。
由于atf.Variable与a几乎没有区别tf.Tensor-因为它可以在相同的地方使用-我们决定使变量名称类似于张量名称，因此该Variable.name属性返回可变张量的名称。（这与tf.QueueBase和tf.ReaderBase对象相反，后者不能直接用作张量（相反，您必须在它们上调用方法以创建在其状态下运行的操作），因此它们没有类似于张量的名称。）
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句