TensorFlow 如何命名张量？
How does TensorFlow name tensors?
不知这样理解是否正确：
所有的张量都是从一些操作中派生出来的，并且操作要么在构造函数中被赋予一个名称，要么被赋予特定类型操作的默认名称。如果名称不唯一，TensorFlow 会通过附加 "_1"、"_2" 等自动处理。具有 n 个张量输出的操作将这些张量命名为 "op_name:0"、"op_name:1"、.. ., "op_name:n-1".
似乎出现了一个问题：如果 x 是 tf.Variable，则 x.name 给出 "variable_name:0"。这令人困惑："variable_name" 指的是什么？
您对 Tensor 命名的观察完全正确：Tensor 的名称是
的串联
- 生成它的操作的名称，
- 冒号 (
:)，以及
- 张量在生成它的操作的输出中的索引。
因此名为 "foo:2" 的张量是位置 2 处名为 "foo" 的运算的输出（索引从零开始）。
naming of tf.Variable对象有点奇怪。每个 tf.Variable 都包含一个 可变张量 对象，该对象保存变量（以及其他一些张量）的状态。一个 "Variable" op（在你的例子中名称为 "variable_name"）"produces" 这个可变张量每次都是 运行 作为它的第 0 个输出，所以可变张量的名称是 "variable_name:0".
由于 tf.Variable 与 tf.Tensor 几乎没有区别——因为它们可以用在相同的地方——我们决定让变量名称类似于张量名称，因此 Variable.name 属性 returns 可变张量的名称。 （这与 tf.QueueBase and tf.ReaderBase 对象形成对比，后者 不能 直接用作张量（相反，您必须调用它们的方法来创建对其状态进行操作的操作），所以这些没有类似张量的名称。）
不知这样理解是否正确：
所有的张量都是从一些操作中派生出来的，并且操作要么在构造函数中被赋予一个名称，要么被赋予特定类型操作的默认名称。如果名称不唯一，TensorFlow 会通过附加 "_1"、"_2" 等自动处理。具有 n 个张量输出的操作将这些张量命名为 "op_name:0"、"op_name:1"、.. ., "op_name:n-1".
似乎出现了一个问题：如果 x 是 tf.Variable，则 x.name 给出 "variable_name:0"。这令人困惑："variable_name" 指的是什么？
您对 Tensor 命名的观察完全正确：Tensor 的名称是
- 生成它的操作的名称，
- 冒号 (
:)，以及 - 张量在生成它的操作的输出中的索引。
因此名为 "foo:2" 的张量是位置 2 处名为 "foo" 的运算的输出（索引从零开始）。
naming of tf.Variable对象有点奇怪。每个 tf.Variable 都包含一个 可变张量 对象，该对象保存变量（以及其他一些张量）的状态。一个 "Variable" op（在你的例子中名称为 "variable_name"）"produces" 这个可变张量每次都是 运行 作为它的第 0 个输出，所以可变张量的名称是 "variable_name:0".
由于 tf.Variable 与 tf.Tensor 几乎没有区别——因为它们可以用在相同的地方——我们决定让变量名称类似于张量名称，因此 Variable.name 属性 returns 可变张量的名称。 （这与 tf.QueueBase and tf.ReaderBase 对象形成对比，后者 不能 直接用作张量（相反，您必须调用它们的方法来创建对其状态进行操作的操作），所以这些没有类似张量的名称。）