tensorflow中的 张量（tensor）与节点操作（OP）

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/sunshinefcx/article/details/85397621

#所以需要注意的是 张量 不是 节点操作(OP)

#tensor1 = tf.matmul(a,b,name='exampleop')   

#上面这个  定义的只是一个张量，是在一个静态的图(graph)中的

#张量在 定义完成之后是不会进行操作的，想要进行操作就必须使用  节点操作  也就是OP来运行，才能计算出ab矩阵的乘积

#OP其实是在描述  张量  中的运算关系

可以参照下面的这个例子，来理解tensorflow中  张量  与  节点操作  之间的关系

import tensorflow as tf

tf.reset_default_graph()

a = tf.constant([[1.0,2.0]])
b = tf.constant([[1.0],[3.0]])

tensor1 = tf.matmul(a,b,name='exampleop')
print(tensor1.name,tensor1)

g3 = tf.get_default_graph()

#注意 tensor的名字是定义的 name 再加上  :0，也就是   name:0
#把找到的tensor复制给这个变量，也就是说test和tensor1是一样的
test = g3.get_tensor_by_name('exampleop:0')
print(test)

print(tensor1.op.name)


#获取节点操作 OP
testop = g3.get_operation_by_name("exampleop")
print("a:",a.name)
print("b:",b.name)
print(testop)


with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    
    test = sess.run(test)
    print(test)
    
    test = tf.get_default_graph().get_tensor_by_name("exampleop:0")
    print(test)