为什么即使对于相同的变量，tensorflow 占位符也会有一个计数器？

Question

使用 iPython 控制台在 Tensorflow 1.8 中进行以下实验：

In [2]: x = tf.placeholder(tf.float16, [None, 784])
   ...: y = tf.placeholder(tf.float16, [None, 10])
   ...: 
   ...: 

In [3]: x
Out[3]: <tf.Tensor 'Placeholder:0' shape=(?, 784) dtype=float16>

In [4]: y
Out[4]: <tf.Tensor 'Placeholder_1:0' shape=(?, 10) dtype=float16>

In [5]: x = tf.placeholder(tf.float16, [None, 784])
   ...: y = tf.placeholder(tf.float16, [None, 10])

In [6]: x
Out[6]: <tf.Tensor 'Placeholder_2:0' shape=(?, 784) dtype=float16>

In [7]: y
Out[7]: <tf.Tensor 'Placeholder_3:0' shape=(?, 10) dtype=float16>

为什么这个 "placeholder counter" 存在，它的原因是什么？我用相同的占位符重新分配变量，所以我想知道为什么它们没有再次编号为 "Placeholder:0" 和 "Placeholder_1:0" ?

谢谢

Answer 1

每次运行 x = tf.placeholder(tf.float16, [None, 784])，操作都会添加到默认图表中。您可以通过以下方式查看：

for op in tf.get_default_graph().get_operations():
   print (op.name)
#Placeholder
#Placeholder_1
#Placeholder_2

因此，在 ipython notebook 中，您可以在单元格前执行 tf.reset_default_graph() 以避免此行为。

为什么即使对于相同的变量，tensorflow 占位符也会有一个计数器？

Why is there a counter on tensorflow placeholders even for same variables?

python-3.x

tensorflow

tensor