Variables tensorflow中python代码中同名的张量

根据中的代码：，张量变量使用了相同的名称，例如：

conv = tf.nn.conv2d(images, kernel, [1, 1, 1, 1], padding='SAME') # Under conv1, line: 208

以及

因此，为什么在tensorflow中允许这样做？如果出于某种原因，如果我试图说：

sess.run([conv], feed_dict{x: some_data})

那么我们将计算哪个conv张量

其次，如果CONV1层下的conv张量是指tf.nn.conv2d操作。CONV2下的另一个conv张量如何引用第二个tf.nn.conv2d操作？换句话说，他们是如何被分开对待的

---

非常感谢您的帮助

关于您的问题：评估最新的conv

例如：

import tensorflow as tf

a = tf.constant(5)
b = tf.constant(6)

c = tf.multiply(a,b)
print c
c = tf.multiply(c,b)
print c

sess = tf.Session()
c_val = sess.run(c)
print c_val

输出：

Tensor("Mul:0", shape=(), dtype=int32)
Tensor("Mul_1:0", shape=(), dtype=int32)
180

你可以看到TF给它们起了不同的名字。无论何时调用TF操作符，它都会创建一个独立于python变量名的节点。但python变量名对应于您使用的最新张量

---

我希望这能有所帮助。

我想，所有这些都属于不同的名称范围。他们的名字不同。所以，他们没有conflict@hars是的，我完全同意你的看法。但是从编码的角度来看，这怎么可能呢？

Tensor("Mul:0", shape=(), dtype=int32)
Tensor("Mul_1:0", shape=(), dtype=int32)
180