Python tensorflow中的var.op.name和var.name之间有什么区别？

我有一点让人困惑。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

之间有什么区别？

---

什么是

：0

意思？

据我所知，OP只是用来初始化所有变量的。：0只是第一个输出，因此如果有另一个conv1/filt，它将显示为conv1/filt:1。

op.name

是操作的名称，而

var.name

是张量的名称。操作是指分配内存，并在端点：0、：1等上生成可用的输出。张量是操作的输出，因此它对应于某个端点。在这种情况下，

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。实际的区别是

conv1/filt:0

是您可以获取值的内容，即

sess.run（[“conv1/filt:0”）

，而您使用

conv1/filt

获取操作，即

tf.get\u default\u graph（）.get\u operation\u按名称（“conv1/filt”）