我有一点令人困惑。下面是示例代码:
opt = tf.train.GradientDescentOptimizer(1e-4)
grads_and_vars = opt.compute_gradients(total_loss)
for grad, var in grads_and_vars:
print(var.op.name)
输出为:conv1/filt conv1/bias
当我将 var.op.name 更改为 var.name
输出为:conv1/filt:0 conv1/bias:0
var.op.name 和 var.name 有什么区别？
:0 是什么意思？
最佳答案
op.name 是操作的名称，而 var.name 是张量的名称。操作是分配内存并在端点 :0、:1 等上产生可用输出的东西。张量是操作的输出，因此它对应于某个端点。在本例中，conv1/filt 是负责内存的变量操作，conv1/filt:0 是该操作的第一个端点。实际的区别在于，您可以通过 conv1/filt:0 获取值，即 sess.run(["conv1/filt:0"])，当您使用 conv1/filt 来获取操作时，即 tf.get_default_graph().get_operation_by_name("conv1/filt")
关于python - tensorflow 中的 var.op.name 和 var.name 有什么区别？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/38240050/