tensorflow关于get_operation_by_name和get_tensor_by_name的理解

最新推荐文章于 2022-09-16 09:13:09 发布

文鸿wow

最新推荐文章于 2022-09-16 09:13:09 发布

阅读量2.8k

点赞数

分类专栏： python tensorflow

本文链接：https://blog.youkuaiyun.com/qq_34430032/article/details/108524920

版权

python 同时被 2 个专栏收录

9 篇文章

订阅专栏

tensorflow

8 篇文章

订阅专栏

本文详细介绍了在TensorFlow中如何定义变量、进行加法运算并获取操作节点及张量，通过具体代码示例展示了变量属性与张量属性的区别，以及如何在会话中初始化并运行变量。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import tensorflow as tf
a = tf.get_variable('w1',[1],tf.float32,tf.ones_initializer())
b = tf.get_variable('w2',[1],tf.float32,tf.ones_initializer())
c = tf.add(a,b,name='add')

g = tf.get_default_graph()
m = g.get_operation_by_name('add').outputs[0]
#根据对应name输出对应operation的节点 注意 节点和tensor是不一样的 这个地方c是这个operation
#操作的第一个outputs
#或者可以通过直接读取tensor名字的方式 获得对一个tensor 名字就是对应op加上一个rank
#rank代表输出 这个地方就是0 因为只有一个输出
n = g.get_tensor_by_name('add:0')
t = g.get_tensor_by_name('w1:0')
print(a)
print(t)
print(m)
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(c))
    print(sess.run(m))
    print(sess.run(n))
    print(sess.run(t))

#对应输出：
#<tf.Variable 'w1:0' shape=(1,) dtype=float32_ref>
#Tensor("w1:0", shape=(1,), dtype=float32_ref)
#Tensor("add:0", shape=(1,), dtype=float32)
#[2.]
#[2.]
#[2.]
#[1.]
#不过注意 这个地方本来对应的是variable属性 现在变成了tensor属性 不过可以用来查看值 倒是没关系