张量流张量的命名

Question

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

Answer 1

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"