TensorFlow笔记——指令名称

对于下面程序：

import tensorflow as tf 

def op_demo():

    a = tf.constant(5)
    b = tf.constant(6)
    c = tf.add(a,b)
    print("a:\n",a)
    print("b:\n",b)
    print("c:\n",c)

    with tf.Session() as sess:
        c_value = sess.run(c)
        print("c_value:\n",c_value)
        tf.summary.FileWriter("./tmp/value",graph=sess.graph)
    
    return None

if __name__ == "__main__":
    op_demo()

程序结果：

a:
 Tensor("Const:0", shape=(), dtype=int32)
b:
 Tensor("Const_1:0", shape=(), dtype=int32)
c:
 Tensor("Add:0", shape=(), dtype=int32)
c_value:
 11

开启tensorboard时会看到：

TensorFlow会自动为图中的每个指令选择一个唯一名称，使程序阅读起来更轻松。

每个创建新的tf.Operation或返回新的tf.Tensor的API函数可以接受可选的name参数。

如,constant(),其函数格式如下：

def constant(value,dtype=None,shape=None,name="Const",verify_shape=Flase)

可以看到其name参数默认为Const,可以根据需要更改

比如，将上述代码更改一下：

a = tf.constant(5,name="test")
b = tf.constant(6,name="test")
c = tf.add(a,b,name="value")

输出为：

a:
 Tensor("test:0", shape=(), dtype=int32)
b:
 Tensor("test_1:0", shape=(), dtype=int32)
c:
 Tensor("value:0", shape=(), dtype=int32)
c_value:
 11

刷新tensorboard，有：

为什么b的是test_1呢？因为在b之前，a的指令名称就已经命名为test了，在一张图中，tensorflow会自动在后面加"1","2"...为了确保每个指令名称的唯一性。