Tensorflow操作和Tensor之间的区别？

Question

我对Tensorflow操作和Tensor对象之间的区别感到困惑。更具体地说，它们之间的关系是什么以及它们背后的设计哲学是什么。

x = tf.constant([[37.0, -23.0], [1.0, 4.0]])
w = tf.Variable(tf.random_uniform([2, 2]))
y = tf.matmul(x, w)
output = tf.nn.softmax(y, name="output")

output
<tf.Tensor 'output_7:0' shape=(2, 2) dtype=float32>

output2 = tf.get_default_graph().get_operation_by_name("output")
output2
<tf.Operation 'output' type=Softmax>

如果我想将output2传递给sess.run（[output2]），我将得到None。有没有办法将output2转换为输出？

我是PyTorch用户，PyTorch中的Operation和Tensor有何相似之处？

Answer 1

我没有使用PyTorch，但是您可以假设它是Layer类的方法和变量。因此，运算是一种方法，张量就像可以存储数据的变量。因此，当您运行sess.run([output2])时，您尝试访问的是方法的值而不是变量。

要从图层名称访问张量，可以使用以下函数：

output2 = tf.get_default_graph().get_tensor_by_name("output:0")

使用:0是因为它是张量的第一个实例。如果您创建同一图层的更多实例，它将被索引为:1, :2，依此类推。

编辑：要注意的另一件事是，在tensorflow sess.run([output])中提取输出的值，并且不将其输入到图形中。通过使用feed_dict或Feed字典将值提供给图形。