Tensorflow图构建机制

Question

当我试图理解以下张量流图构建代码的基本机制时，我对第3行和第4行感到困惑。我假设在+运算符重载的一侧，adder_node构建对a和b的引用。但是，当在第4行执行adder_node时，区分（a：3）和b（b：3）的机制是什么。可以说，如果占位符填充了值，并且adder_node引用了两个a，那么为什么我们必须再次传递这些参数。

a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)
adder_node = a + b 
print(sess.run(adder_node, {a: 3, b: 4.5}))

Answer 1

a，b和adder_node是图表中的节点。

adder_node知道获取a和b中的值并对它们执行操作。该图如下所示：

执行sess.run(adder_node)时，您需要告知tensorflow来评估adder_node的值（也就是执行所有相关操作并执行adder_node的操作）。

为了计算adder_node，tf将计算占位符a和b的值，因此他们的操作是从feed_dict中获取值。因此，每次需要计算adder_node时，您都必须为占位符提供值，以便计算它们。

{a: 3, b: 4.5}并未专门将参数传递给adder_node，而是将参数传递给图表。

您可以使用此代码将a，b和c作为参数传递给图表，adder_node将z和c一起传递：

a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)
c = tf.placeholder(tf.float32)
z = a + b 
adder_node = z + c
print(sess.run(adder_node, {a: 3, b: 4.5, c: 1.5}))