获取attention遇到的坑

老师让我搞attention可视化，总结一下坑。
获取所有的节点：
```

cczz1=[i.name for i in sess.graph.get_operations()]

```
参考一本叫做《强化学习精要》的书，可知，每生成一个变量，都会生成数个相关的操作（节点），而且，每个运算都会增加相关的节点，所以可能出现一大堆和你命名相同的节点，
所以这里，采用
```

dd=[i for i in cczz1 if 节点名称 in i]

```
找到合适的时候，使用get_tensor_by_name获取tensor
来查找你所要的节点。
这里要注意，操作的首字母要大写，比如Softmax，变量后面要加:0
```

z=sess.graph.get_tensor_by_name("完整的名称")

```
但，并不是所有的都可以获取，很多包含动态循环的cell中的数据是无法获取的，如下报错
```

ValueError: Operation 'modeling/bidirectional_rnn/bw/bw/while/matchlstm/ExpandDims_1' has been marked as not fetchable.

```

从stack overflow上查到的。
所以，你需要将动态的lstm转为静态的lstm，
如果你的数据是定长的，那么操作很简单，如下，这里以（batch*time_steps*word_dimence)举例
```

返回值=tf.unstack(数据,axis=1)

参考《深度学习之tensorflow``````》
```

后面所有带dynamic的操作全部换成对应的static函数，
注意：不是直接替换函数名，而是找到对应的函数。
而且，很多static的输入都是sequence类型的（这个我也不懂），
它是一个tensor的列表（类型为列表，元素类型为tensor），如上unstack操作。
但，还有一种情况，你的序列是不定长的，你要把它变成定长的才能调用静态的函数。这个我没有太好的思路，准备以后试一试。