Python TensorFlow操作的共享\u名称

许多TensorFlow操作将

共享_name

作为可选参数。 例如，

make_initializable_iterator

（）、大多数（所有？）TF资源（变量、

TensorArray

，…）、

条件累加器

、

可变密度哈希表

、

五个变量

（）等

在文件中，它经常这样说：

shared_name：如果非空，此表将在多个会话中以给定名称共享

但这是怎么回事？我如何在多个会话中实际共享资源/张量/操作（或者确切地说是什么？）

在同一过程中会有多个会话吗？或跨多个进程/机器的多个会话（远程）

它是否共享相同的内存（只有在同一进程内，或至少在同一主机内，通过使用共享内存时才可能）？或者它将如何同步状态

Graph.container

与此相关吗？从该文件：

有状态操作（如变量和队列）可以在设备上维护它们的状态，以便多个进程共享它们

跨多个流程的共享是如何工作的

与此有关吗？怎么做

---

或

远程呼叫

？（参见）

fWW，相关C++代码：//和。它似乎确实是

图形所指的内容。container

指的是什么，但没有明确的文档。我认为在图形中为每种类型或资源创建了一个容器（在

REGISTER\u resource\u HANDLE\u KERNEL

中注册），它们为自己的资源类型保存容器，可以跨会话共享。没有

shared_name

的资源获得一个唯一的id，该id稍后会被替换。该机制似乎是先为变量设计的（请参见和），然后扩展到其他资源。现在有，

VarHandleOp

和

\u VarHandleOp

，第一个使用

VarHandleOp

内核，另一个使用

resourcehandleop