tensorflow - Tensorflow操作和张量之间的区别？

Question

我对 Tensorflow 操作和张量对象之间的区别感到困惑。更具体地说，它们之间的关系是什么，它们背后的设计理念是什么。

x = tf.constant([[37.0, -23.0], [1.0, 4.0]])
w = tf.Variable(tf.random_uniform([2, 2]))
y = tf.matmul(x, w)
output = tf.nn.softmax(y, name="output")

output
<tf.Tensor 'output_7:0' shape=(2, 2) dtype=float32>

output2 = tf.get_default_graph().get_operation_by_name("output")
output2
<tf.Operation 'output' type=Softmax>

如果我想将output2传递给sess.run([output2])，我将得到None。有没有办法将output2转换为output？

我是 PyTorch 用户，PyTorch 中的操作和张量有何类比？

Answer 1

我没有使用过 PyTorch，但你可以假设它是 Layer 类的方法和变量。所以操作是一种方法，张量就像是可以存储数据的变量。因此，当您运行 sess.run([output2]) 时，您将尝试访问方法的值，而不是变量。

要从层的名称访问张量，您可以使用该函数:

output2 = tf.get_default_graph().get_tensor_by_name("output:0")

使用 :0 因为它是张量的第一个实例。如果您创建同一层的多个实例，它将被索引为 :1, :2 等等。

编辑:另一件事需要注意的是，在tensorflow中sess.run([output])提取输出的值并且不会将其提供给图形。通过使用 feed_dict 或 Feed 字典将值馈送到图表中。