Python TF Syntaxnet中的DocumentSink、DocumentSource操作实际上是如何工作的？

在检查代码之后。。。我可以理解为

在parser_eval.py中

sink_documents = tf.placeholder(tf.string)
sink = gen_parser_ops.document_sink(sink_documents,
                                      task_context=task_context,
                                      corpus_name=FLAGS.output)
sess.run(sink, feed_dict={sink_documents: tf_documents})

通过我找到的gen_parser_ops.py

def document_sink(documents, task_context, corpus_name=None, name=None):
  r"""Write documents to documents_path.

  Args:
    documents: A `Tensor` of type `string`. documents to write.
    task_context: A `string`.
    corpus_name: An optional `string`. Defaults to `"documents"`.
    name: A name for the operation (optional).

  Returns:
    The created Operation.
  """
  result = _op_def_lib.apply_op("DocumentSink", documents=documents,
                                task_context=task_context,
                                corpus_name=corpus_name, name=name)
  return result

但我不明白下面的代码是如何将文档保存到文件中的

_op_def_lib.apply_op("DocumentSink", documents=documents,
                                task_context=task_context,
                                corpus_name=corpus_name, name=name)

---

如果有人能帮我提供一个关于如何使用TensorFlow的op_def_库的小例子，那将是一个很大的帮助

退一步，Tensorflow图由节点组成，每个节点都是一个操作。DocumentSink就是这样的操作之一，它的工作原理在我相信的_op_def_lib.apply_op中有定义，它只是将这个节点添加到图形中。希望这能有所帮助。退一步，Tensorflow图由节点组成，每个节点都是一个操作。DocumentSink就是这样的操作之一，它的工作原理在我相信的_op_def_lib.apply_op中有定义，它只是将这个节点添加到图形中。希望这有帮助。