为什么在我的图形中重复了AdamOptimizer？

Question

我对TensorFlow的内部知识还很陌生。为了试图理解TensorFlow的AdamOptimizer的实现，我检查了TensorBoard中的相应子图。似乎有一个名为name + '_1'的重复子图，默认情况下为name='Adam'。

以下MWE产生下图。 （请注意，我已经扩展了x节点！）

import tensorflow as tf

tf.reset_default_graph()
x = tf.Variable(1.0, name='x')
train_step = tf.train.AdamOptimizer(1e-1, name='MyAdam').minimize(x)

init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    with tf.summary.FileWriter('./logs/mwe') as writer:
        writer.add_graph(sess.graph)

我很困惑，因为我希望上面的代码在图形内部仅产生一个名称空间。即使检查了相关的源文件（即adam.py，optimizer.py和training_ops.cc），我也不清楚如何/为什么/在何处创建重复项。

问题：重复的AdamOptimizer子图的来源是什么？

我可以想到以下可能性：

• 我的代码中的错误
• 在TensorBoard中生成的某种工件
• 这是预期的行为（如果是，那么为什么？）
• TensorFlow中的错误

编辑：清理和澄清

由于最初的困惑，我在最初的问题上写了详细的说明，说明如何使用TensorFlow / TensorBoard建立可重现的环境，该环境可重现此图。现在，我将所有这些替换为关于扩展x节点的说明。

Answer 1

这不是错误，只是泄漏到自己范围之外的一种可能有问题的方式。

首先，不是错误：亚当优化器没有重复。从图中可以看出，只有一个/MyAdam范围，而不是两个。没问题。

但是，有 两个MyAdam和MyAdam_1 子范围添加到了变量范围。它们分别对应于该变量的Adam优化器的m和v变量（及其初始化操作）。

这是优化程序进行辩论的地方。您确实可以合理地预期Adam优化器的操作和变量将在其分配的范围内严格定义。取而代之的是，他们选择在优化变量的范围内爬行以找到统计变量。

因此，就亚当优化器的确没有重复的意义而言，至少可以说是值得商choice的选择，而不是错误。

编辑

请注意，这种定位变量的方式在优化程序中很常见-例如，您可以使用MomentumOptimizer观察到相同的效果。实际上，这是为优化器创建slots的标准方法-请参见here：

# Scope the slot name in the namespace of the primary variable.
# Set "primary.op.name + '/' + name" as default name, so the scope name of
# optimizer can be shared when reuse is True. Meanwhile when reuse is False
# and the same name has been previously used, the scope name will add '_N'
# as suffix for unique identifications.

据我所知，他们选择将变量的统计信息放在变量本身作用域的子范围内，这样，如果共享/重用该变量，则其统计信息也将被共享/重用，而不是需要重新计算。即使确实如此，这确实是一件合理的事，即使爬到您的范围之外也会有些不安。