Tensorflow 张量流运算和张量运算的区别？

我对张量流运算和张量对象之间的区别感到困惑。更具体地说，它们之间的关系是什么，它们背后的设计理念是什么

x = tf.constant([[37.0, -23.0], [1.0, 4.0]])
w = tf.Variable(tf.random_uniform([2, 2]))
y = tf.matmul(x, w)
output = tf.nn.softmax(y, name="output")

output
<tf.Tensor 'output_7:0' shape=(2, 2) dtype=float32>

output2 = tf.get_default_graph().get_operation_by_name("output")
output2
<tf.Operation 'output' type=Softmax>

x=tf.常数（[[37.0，-23.0]，[1.0,4.0]]
w=tf.Variable（tf.random_uniform（[2,2]））
y=tf.matmul（x，w）
输出=tf.nn.softmax（y，name=“输出”）
输出
output2=tf.get_default_graph（）.get_operation_by_name（“输出”）
输出2

如果我想将output2传递给sess.run（[output2]），我将一无所获。有没有办法将output2转换为output

---

我是Pytork的用户，Pytork中的运算和张量的类比是什么

我没有使用PyTorch，但您可以假设它是一个层类的方法和变量。因此，运算是一种方法，张量就像是可以存储数据的变量。因此，当您运行

sess.run（[output2]）

时，您试图访问方法的值，而不是变量

要从层的名称访问张量，可以使用以下函数：

output2=tf.get\u default\u graph（）.get\u tensor\u by\u name（“output:0”）

使用

：0

，因为它是张量的第一个实例。如果创建同一层的多个实例，它将被索引为

：1、：2

，依此类推

---

编辑：另一件需要注意的事情是，在tensorflow

sess.run（[output]）

中，提取输出值，而不是将其输入到图形中。通过使用提要或提要字典将值馈送到图形。

Awesome！有没有办法将“output:0”重命名为更有意义的名称？在Softmax层中定义name参数时，可以使用namescope和更好的层名称。但是

：0

需要存在，因为底层API需要它来编制索引。此外，正确命名层也是一种很好的做法，因为当您将tensorflow模型部署到手机和其他无法通过变量访问层的应用程序时，这些层非常重要。您可以使用

tf。将\u添加到\u集合
tf。将\u添加到\u集合
实际上看起来是一种更好的方法。谢谢@AbhishekMishra，我今天学到了一些新东西！