Question

我使用tensorflow ops编写了一个函数。我知道事实，当我运行该函数时，它将为图形添加许多操作。但是我对如何访问这些操作感到困惑。

例如：

def assign_weights():
    with tf.name_scope('zheng'):
        v = tf.Variable(0, 'v', dtype=tf.float32)
        b = tf.placeholder(tf.float32, shape=())
        z = tf.assign(v, b)
    return z, b

仅当我将feed_dict设置为返回值时，我才能使用a将b值传递给b。否则，将无法访问b。如果要访问函数范围内的许多操作，则应设置许多返回值。这很丑。

我想知道使用tensorflow运行函数时幕后发生的事情以及如何在函数范围内访问ops。

谢谢！

Answer 1

很明显，访问op（或张量）确实需要一些引用。恕我直言，一种标准的解决方法是在类中构建图形，并设置类的某些张量属性，然后通过对象访问它们。

或者，如果您更倾向于函数式方法，那么比单独返回所有相关的操作和张量更好的方法是返回一个dict（或namedtuple）。

此外，还有一些专门的函数可以按名称返回操作，例如： get_operation_by_name。

除了这个问题之外，您可能还想尝试eager execution，这是必须的。

Answer 2

使用op函数时会发生三件事：

创建计算节点并将其添加到默认图形
将您的输入设置为节点输入张量
将节点输出张量设置为返回值

例如a = tf.add(b, c, name='add')，

将带有op Add的节点添加到默认图形，名称为'add'
将b和c设置为节点输入张量
将名称为“ add：0”的节点输出设置到一个

因此，您可以通过sess.graph访问节点，有许多访问节点的函数，例如get_operation_by_name。

此外，您可以通过sess.graph_def操作该图，该序列是带有protobuf的序列化图，您可以在tensorflow源代码tensorflow/core/framework中找到protobuf定义，并在那里找到一些.proto文件。

当我使用tensorflow ops编写函数时会发生什么

2 个答案: