Tensorflow 什么'；“的含义；n张量“；在张量板图中？

我正在阅读TensorFlow教程代码

mnist_deep.py

并保存图形

作用域

fc1

的输出应具有形状

[-1144]

。但在TensorBoard的图中，它是

2个张量

“n张量”在张量板图中是什么意思

  # Fully connected layer 1 -- after 2 round of downsampling, our 28x28 image
  # is down to 7x7x64 feature maps -- maps this to 1024 features.
  with tf.name_scope('fc1'):
    W_fc1 = weight_variable([7 * 7 * 64, 1024])
    b_fc1 = bias_variable([1024])

    h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
    h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)

  # Dropout - controls the complexity of the model, prevents co-adaptation of
  # features.
  with tf.name_scope('dropout'):
    keep_prob = tf.placeholder(tf.float32)
    h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

这意味着在Droopout节点中使用了两次Relu的输出张量。如果你尝试扩展它，你会看到输入进入两个不同的节点。
我认为在图上显示
n张量作为张量被“消耗”的次数有点混乱。在上图中，
relu
运算符只产生1个张量，不再产生更多张量。我希望TooBoo板开发人员考虑改变这一点。