当我使用tensorflow ops编写函数时会发生什么？

Question

我用tensorflow ops编写了一个函数。我知道，当我运行这个函数时，它会把很多操作添加到图中。但我对如何进入这些行动感到困惑。

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

只有将feed_dict设置为返回值，才能使用a将b值传递给b。否则，就无法访问b。如果我们想要访问函数范围中的许多操作，我们应该设置许多返回值。这很难看。

我想知道当我使用tensorflow运行函数时会发生什么，以及如何在函数范围内访问ops。

谢谢!

Answer 1

显然，要访问op (或张量)，我们需要一些参考。IMHO，一个标准的解决方法是在类中构建图，并使类的某些张量属性并通过对象访问它们。

或者，如果您更倾向于函数式方法，一个比分别返回所有相关操作和张量更好的方法是返回一个dict (或namedtuple)。

此外，还有一些按名称返回操作的专门函数:例如，get_operation_by_name。

除了这个问题，您还可以尝试一下急切执行，这是必需的。

Answer 2

当您使用op函数时，会发生3件事：

• 创建计算节点并将其添加到默认图形
• 将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中，并使用名称' add‘
• 将b和c设为节点输入张量
• 将名为“add:0”的节点输出设置为

所以您可以通过sess.graph访问节点，有很多函数可以访问节点，比如get_operation_by_name。

此外，您还可以通过sess.graph_def操作该图形，这是一个带有protobuf的序列化图，您可以在tensorflow源代码、tensorflow/core/framework和一些.proto文件中找到protobuf定义。