tensorflow - tf.name_scope 的用法

Question

我的问题是关于教程代码 ptb/reader.py 中 tf.name_scope 的使用,

  with tf.name_scope(name, "PTBProducer", [raw_data, batch_size, num_steps]):
      #use raw_data, batch_size, num_steps to construct tf objects 

使用列表 [raw_data, batch_size, num_steps] 调用 tf.name_scope 的目的是什么？ raw_data 是一个 python 列表，batch_size 和 num_steps 是 python int。根据 name_scope 的文档:

tf.name_scope(name,default_name=None,values=None):此上下文管理器验证给定值是否来自同一个图表，使该图表成为默认图表，并在该图表中推送名称范围(有关更多详细信息，请参阅 Graph.name_scope())。

但是 raw_data、batch_size、num_step 不是图中的任何节点。验证它们来自同一个图表是什么意思？事实上，当列表从 tf.name_scope 调用中删除时，代码仍然运行:

      with tf.name_scope(name, "PTBProducer"):
      #use raw_data, batch_size, num_steps to construct tf objects 

使用和不使用 values=[raw_data,batch_size,num_steps] 调用 tf.name_scope 有什么区别？

Answer 1

ptb/reader.py 错误地使用了 tf.name_scope() values 参数。应传递图形元素。

name_scope() 将使默认图形上下文与传入元素的图形相匹配。如果您正在处理多个图表，这非常有用。

如果值列表(图形元素)并非全部来自同一个图形，tf.name_scope 将引发错误。