[英]Naming of tensorflow tensors
下面是一个代码片段,尝试命名张量操作的结果,以便在网络保存和恢复后可以访问它
def createForward(self):
# forward propogation
Z = tf.add(tf.matmul(self.W,self.prevLayer.A),self.b)
self.Z = tf.nn.dropout(Z,self.keepProb,name = self.name+'_Z')
print(self.name+'_Z',self.Z)
当self.name为'output'时,我期望打印语句打印出来
output_Z Tensor("output_Z:0", shape=(3, ?), dtype=float32)
我真正得到的是
output_Z Tensor("output_Z/mul:0", shape=(3, ?), dtype=float32)
有人可以解释发生了什么。
谢谢
我认为您不熟悉TensorFlow中的操作命名。 我们首先来看一下:
In [2]: import tensorflow as tf
In [4]: w = tf.Variable([[1,2,3], [4,5,6], [7,8,9], [3,1,5], [4,1,7]], dtype=tf.float32)
In [6]: z = tf.nn.dropout(w, 0.4, name="output_Z")
In [7]: z.op.name
Out[7]: u'output_Z/mul'
In [8]: z.name
Out[8]: u'output_Z/mul:0'
如您所见,z的名称与操作z的名称不同,但是所有名称都附加了操作名称mul
。
要获得您期望的结果,您可以这样做:
In [12]: Z = tf.identity(z, name="output_Z")
In [13]: Z.op.name
Out[13]: u'output_Z'
In [14]: Z.name
Out[14]: u'output_Z:0'
参考 :
tf.variable_scope()中的操作名称
我们讨论了tf.variable_scope如何管理变量的名称。 但是它如何影响范围内其他操作的名称? 在变量范围内创建的操作也应该共享该名称,这是很自然的。 因此,当我们使用tf.variable_scope(“ name”)时,将隐式打开一个tf.name_scope(“ name”)。 例如:
with tf.variable_scope("foo"):
x = 1.0 + tf.get_variable("v", [1])
assert x.op.name == "foo/add"
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.