Python 为什么我们要在Tensorflow中命名变量？

在一些地方，我看到了语法，其中变量用名称初始化，有时不用名称。例如：

# With name
var = tf.Variable(0, name="counter")

# Without
one = tf.constant(1)

---

将变量命名为

var

“counter”“counter”有什么意义？

参数是可选的（您可以创建变量和常量，有或没有它），并且您在程序中使用的变量不依赖于它。名字在以下几个方面很有用：

当您想要保存或恢复变量时（您可以在计算之后进行）。发件人：

默认情况下，它为每个变量使用Variable.name属性的值 变数

尽管如此，您仍有变量

matrix_1

，

matrix_2

，它们在文件中另存为

v1

，

v2

在TensorBoard中也使用了名称，以很好地显示边的名称。你甚至可以：

---

您可以将Python名称空间和TensorFlow名称空间想象为两个并行的世界。TensorFlow空间中的名称实际上是属于任何TensorFlow变量的“真实”属性，而Python空间中的名称只是在脚本运行期间指向TensorFlow变量的临时指针。这就是为什么在保存和恢复变量时，只使用TensorFlow名称的原因，因为脚本终止后Python名称空间不再存在，但TensorFlow名称空间仍然存在于保存的文件中。

请考虑以下用例代码及其输出

def f():
    a = tf.Variable(np.random.normal(), dtype = tf.float32, name = 'test123')

def run123():
    f()
    init = tf.global_variables_initializer()
    with tf.Session() as sess123:
        sess123.run(init)
        print(sess123.run(fetches = ['test123:0']))
        print(sess123.run(fetches = [a]))

run123()

输出：

[0.10108799]

NameError回溯（最近的调用） 最后）在（） 10打印（sess123.run（fetches=[a]）） 11 --->12 run123（）

在run123（）中 8 sess123.运行（初始化） 9打印（sess123.run（fetches=['test123:0']）） --->10打印（sess123.run（fetches=[a]）） 11 12 run123（）

NameError:未定义名称“a”

---

在f（）的作用域中定义的“a”在其作用域之外不可用，即在run123（）中。但是默认图必须用一些东西来引用它们，这样默认图可以根据需要在不同的范围内被引用，也就是说，当它的名称方便时。

事实上，从区分不同变量的角度来看，我们完全可以使用python名称（赋值符号的左侧，我们将名称称为

python name

，以避免混淆。例如下面的示例中的

v

）来命名变量。但是，在编程过程中，我们通常将python名称重新绑定到其他对象（例如Tensorflow中的op）

v = tf.get_variable("v1", [3], initializer = tf.zeros_initializer)
v = tf.get_variable("v2", [5], initializer = tf.zeros_initializer)

---

首先，python名称

v

从第一行绑定张量（

tf.get_变量（“v1”[3]，initializer=tf.zeros_initializer）

）。然后，

v

从第二行重新绑定张量（

tf.get_变量（“v2”[5]，initializer=tf.zeros_initializer

）并且不再绑定第一个张量。如果我们没有给出tensorflow属性名称

v1

和

v2

，我们如何从第一行识别张量？

我想指出，Martin Garrix复制了这段代码，将其作为其现场视频的一部分：

def f():
    a = tf.Variable(np.random.normal(), dtype = tf.float32, name = 'test123')

def run123():
    f()
    init = tf.global_variables_initializer()
    with tf.Session() as sess123:
        sess123.run(init)
        print(sess123.run(fetches = ['test123:0']))
        print(sess123.run(fetches = [a]))

run123()

v = tf.get_variable("v1", [3], initializer = tf.zeros_initializer)
v = tf.get_variable("v2", [5], initializer = tf.zeros_initializer)