为什么我们需要张量名称

Question

想象一下，我有一个我想要重复K次的图层：

    {conv - relu - pool} x K

在这种情况下，我需要迭代运行第K层的正向传递：

for k in range(len(K)):
    Wk = ...
    bk = ...
    conv = tf.nn.conv2d(pool, Wk, ...) + bk

如果我错过了'name'参数 - 我的conv张量会在每次迭代时被替换吗？正确的变体是：

for k in range(len(K)):
    Wk = ...
    bk = ...
    name='conv%d' % (k)
    conv = tf.nn.conv2d(name=name, pool, Wk, ...) + bk

Answer 1

所以，如果你没有说出一个名字，那么它就会覆盖或者替换这个值。 TF提出了自己的命名约定，如const_1，const_2等。

至少有一个名称参数有用的原因是因为TensorBoard使用它。此参数用于TF命名空间（与Python命名空间相对 - 因此TF忽略变量名称）。

因此，当您有多次迭代时，该命名约定将用于命名不同的名称。

WRT如何使用它，有几种方法可以做到这一点 - 你已经输入了一些。另一种方法是使用＆＃34;范围＆＃34; - 这样您的TB（TensorBoard）图形看起来更整洁，更易于管理。至少从TB的角度来看，使用范围也是可选的。