为什么我们在Tensorflow中命名变量？

为什么我们在Tensorflow中命名变量？

该

name

参数是可选的（可以创建带有或不带有它的变量和常量），并且在程序中使用的变量不依赖于它。名称在两个地方可能会有所帮助：

当您想要保存或还原变量时
（可以在计算后将它们保存到二进制文件中）。从文档：

默认情况下，它为每个变量使用Variable.name属性的值

matrix_1 = tf.Variable([[1, 2], [2, 3]], name="v1")matrix_2 = tf.Variable([[3, 4], [5, 6]], name="v2")init = tf.initialize_all_variables()saver = tf.train.Saver()sess = tf.Session()sess.run(init)save_path = saver.save(sess, "/model.ckpt")sess.close()

但是你有变量

matrix_1

，

matrix_2

它们是为保存

v1

，

v2

在文件中。

TensorBoard中也使用名称来很好地显示边的名称
。您甚至可以使用相同的范围将它们分组：

import tensorflow as tfwith tf.name_scope('hidden') as scope:  a = tf.constant(5, name='alpha')  W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0), name='weights')  b = tf.Variable(tf.zeros([1]), name='biases')