Question

在某些地方，我看到了语法，其中变量用名称初始化，有时没有名称。例如：

# With name
var = tf.Variable(0, name="counter")

# Without
one = tf.constant(1)

命名变量var "counter"有什么意义？

Answer 1

name参数是可选的（您可以创建带或不带它的变量和常量），并且您在程序中使用的变量不依赖于它。姓名可以在以下几个方面提供帮助：

如果要保存或恢复变量（计算后可以save them to a binary file）。来自docs：

默认情况下，它为每个使用Variable.name属性的值变量

matrix_1 = tf.Variable([[1, 2], [2, 3]], name="v1")
matrix_2 = tf.Variable([[3, 4], [5, 6]], name="v2")
init = tf.initialize_all_variables()

saver = tf.train.Saver()

sess = tf.Session()
sess.run(init)
save_path = saver.save(sess, "/model.ckpt")
sess.close()

尽管如此，您还是将变量matrix_1，matrix_2保存为文件中的v1，v2。

TensorBoard中也使用名称来很好地显示边缘名称。你甚至可以group them by using the same scope：

import tensorflow as tf

with tf.name_scope('hidden') as scope:
  a = tf.constant(5, name='alpha')
  W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0), name='weights')
  b = tf.Variable(tf.zeros([1]), name='biases')

Answer 2

您可以将Python名称空间和TensorFlow名称空间想象为两个并行的Universe。 TensorFlow空间中的名称实际上是＆＃34;真实的＆＃34;属于任何TensorFlow变量的属性，而Python空间中的名称只是在脚本运行期间指向TensorFlow变量的临时指针。这就是为什么在保存和恢复变量时只使用TensorFlow名称的原因，因为脚本终止后Python命名空间不再存在，但Tensorflow命名空间仍然存在于保存的文件中。

Answer 3

考虑以下用例代码及其输出

def f():
    a = tf.Variable(np.random.normal(), dtype = tf.float32, name = 'test123')

def run123():
    f()
    init = tf.global_variables_initializer()
    with tf.Session() as sess123:
        sess123.run(init)
        print(sess123.run(fetches = ['test123:0']))
        print(sess123.run(fetches = [a]))

run123()

输出：

[0.10108799]

NameError Traceback（最近一次调用   最后）in（）        10打印（sess123.run（fetches = [a]））        11   ---＆GT; 12 run123（）
     运行123（）中的
        8 sess123.run（init）         9打印（sess123.run（fetches = [＆＃39; test123：0＆＃39;]））   ---＆GT; 10打印（sess123.run（fetches = [a]））        11        12 run123（）

NameError：name＆＃39; a＆＃39;未定义

f（）范围中定义的＆＃39; a＆＃39;，在其范围之外，即run123（）中不可用。但是默认图表必须用某些东西引用它们，以便可以根据需要在各种范围内引用默认图形，这时它的名称就很方便了。

Answer 4

实际上，从区分不同变量的角度来看，我们完全可以使用python名称（赋值符号的左侧，为避免混淆，我们将名称称为python name，例如{{1在下面的示例中）来命名变量。但是，在编程过程中，我们通常将python名称重新绑定到其他对象（即Tensorflow中的op），例如

首先，python名称v = tf.get_variable("v1", [3], initializer = tf.zeros_initializer) v = tf.get_variable("v2", [5], initializer = tf.zeros_initializer)绑定张量形式的第一行（v）。然后，tf.get_variable("v1", [3], initializer = tf.zeros_initializer)从第二行（v）重新绑定了张量，并且不再绑定第一个张量。如果我们不给张量流属性名称tf.get_variable("v2", [5], initializer = tf.zeros_initializer和v1，我们如何从第一行中识别张量？

为什么我们在Tensorflow中命名变量？

4 个答案: