什么是＆＃34;参考边缘＆＃34;在TensorBoard？

Question

TensorBoard用户界面显示了一个名为＆＃34;参考边缘＆＃34;与数据流（Tensor）边缘不同：

前者与后者的区别是什么？

文档说＆＃34;传出操作节点可以改变传入的张量＆＃34;，但表示不符合UI的不同符号，因此很难说出什么＆＃39 ; s意思是＆＃34;传入＆＃34;和＆＃34;传出＆＃34;：

例如，该定义如何适用于

cs = tf.constant([1,2,3], name='const_share')
vs = tf.Variable([1,2,3], name='var_share')
tf.add(cs, vs, name='opVS1')
tf.add(vs, cs, name='opVS2')

或

tf.add([4],[3], name='opA')

在这两种情况下，似乎参考边缘表示其尾部填充边缘所代表的Tensor的值。

Answer 1

我在图表上看不到任何参考边缘，但是您可以轻松获得一条参考边缘：

import tensorflow as tf
a = tf.Variable(1, name="a")
b = a.assign_add(2)

with tf.Session() as sess:
    tf.summary.FileWriter('logs', sess.graph)
    sess.run(tf.global_variables_initializer())

当您点击a并从主图表中删除它时，您会看到参考边缘：

在TF中，运行时没有bidirectional edges。但有一些操作（如tf.assign_add）通过修改它返回与输入之一相同的值：

  

ref：一个可变的Tensor

因此TF添加了一个参考边，其中操作读取前一个值，执行某些操作并使用新值重写它。类比很可能是指针/参考。所以doc有意义：

  

显示传出操作节点可以变异的参考边缘   传入的张量。

Answer 2

在您显示的图表中，看起来只有连接到“read”运算符的边是无向的 - dataflow edge，但是，您可以通过右键单击暂时断开read节点，并且从主图中删除“。然后事实证明，边缘从数据流边缘（无向）转向参考边缘（有向），这没有多大意义。

我们可能需要指望真正了解javascript的人通过查看tensorboard的源代码来弄清楚其工作原理。

Answer 3

这是一个混乱的来源even to DeepMind developers，正在fixed in future releases，所以：

1. 所有参考边缘都是不同的颜色（数据流边缘为 和以前一样灰色）。
2. 无论在何处，箭头都指向所有数据流边缘 他们指出（而不是只出现在数据流动的情况下） “向下”）。