TensorFlow中的一切都是Tensor，包括操作嗎？

Question

我一直在閱讀關於核心圖結構的文檔，似乎對TensorFlow實際上做的和文檔有什么不同（除非我有一個誤解，我認為我這樣做）。

文檔說有Operation對象和Tensor對象 。 它提供了這樣的例子，因此我嘗試創建一些並詢問python它們是什么類型。 首先讓我們做一個常數：

c = tf.constant(1.0)

print c #Tensor("Const_1:0", shape=(), dtype=float32)
print type(c) #<class 'tensorflow.python.framework.ops.Tensor'>

它說它是一個Tensor。 大！ 有意義，它甚至給我有關其內容的信息。

我做了一個與我期望的操作相同的實驗：

W = tf.Variable(tf.truncated_normal([784, 10], mean=0.0, stddev=0.1))
b = tf.Variable(tf.constant(0.1, shape=[10]))
Wx = tf.matmul(x, W)
print Wx #Tensor("MatMul:0", shape=(?, 10), dtype=float32)
print type(Wx) #<class 'tensorflow.python.framework.ops.Tensor'>

但是，正如您所看到的，Tensor流表示Wx和c都是相同的類型。 這是否意味着沒有操作對象或者我做錯了什么？

Answer 1

tf.Varible是一個張量，然后你為它賦值，即一個操作，一個賦值操作。 或者你使用tf.mul（），這也是一個操作

Answer 2

有手術。 您可以通過graph.get_operations()獲取graph中所有操作的列表（您可以通過tf.get_default_graph()或sess.graph或適合您情況的任何內容獲取graph ）。

只是在Python中，像tf.mul這樣的東西tf.mul返回乘法運算產生的張量（其他一切都會令人討厭，因為它是你在進一步操作中用作輸入的張量）。

Answer 3

我不是專家，但也許這會讓事情變得清晰起來。

x = tf.constant(1, shape=[10, 10])
y = tf.constant(1, shape=[10, 10])
z = tf.matmul(x, y, name='operation')
# print(z)
# tf.Tensor 'operation:0' shape=(10, 10) dtype=int32
# z is a placeholder for the result of multiplication of x and y
# but it has an operation attached to it
# print(z.op)
# tensorflow.python.framework.ops.Operation at 0x10bfe40f0
# and so do x and y
# print(x.op)
# 
ses = tf.InteractiveSession()
# now that we are in a session, we have an operation graph
ses.graph.get_operation_by_name('operation')
# tensorflow.python.framework.ops.Operation at 0x10bfe40f0
# same operation that we saw attached to z
ses.graph.get_operations()
# shows a list of three operations, just as expected
# this way you can define the graph first and then run all the operations in a session

Answer 4

我對TensorFlow不太熟悉，但它似乎是一個基本概念， Wx是tf.matmul(x, W)輸出的符號句柄 。 所以你實際創建了一個Operation，但是訪問Wx會給你一個結果的表示（即使它在你運行一個會話之前沒有計算）。

請查看TensorFlow常見問題解答以獲取更詳細的說明。

Answer 5

在tensorflow的上下文之外考慮這個，只是在基礎python中。 假設你這樣做：

def f(x):
    return(x+1)

x = 0

print(type(x))
print(type(f(x)))

在這兩種情況下你都得到int ，對嗎？ 但是如果你這樣做會怎樣

type(f)

在這種情況下，您將獲得一個function 。 與tensorflow相同：操作結果的類型是新的張量，但操作本身的類型不是張量。