TensorFlow中的“op”是什么？

Question

我创建了一个名为“op testing”的tf占位符：

self.center_words = tf.placeholder(tf.int32, shape=[self.batch_size], name='op testing')
print("Extracting the op", self.center_words.op)

当我打印self.center_words.op时，它会打印出这样的结构：

op: "Placeholder"
attr {
  key: "dtype"
  value {
    type: DT_INT32
  }
}
attr {
  key: "shape"
  value {
    shape {
      dim {
        size: 128
      }
    }
  }
}

这适用于任何TensorFlow变量、函数输出等，那么这个.op是什么？

- Shamane Siriwardhana

Answer 1

TensorFlow 操作，也被称为 Ops，是在 Tensor 对象上执行计算的节点。计算完成后，它们返回零个或多个张量，这些张量可以由图中其他 Ops 用于后续计算。要创建一个操作，您需要在 Python 中调用其构造函数，并提供用于计算（即输入）的 Tensor 参数，以及任何其他必要的信息来正确创建 Op（即属性）。Python 构造函数返回操作的输出（零个或多个 Tensor 对象），并且可以将此输出传递给其他操作或 Session.run。

- Chidume Nnamdi

Answer 2

简单回答。

操作可以说是tensorflow的核心。

TensorFlow是一个以图形方式表示计算任务的编程系统，图中的节点称为操作（operations的缩写）。 操作接收零个或多个张量（tensor）并执行计算，产生零个或多个张量。

在你的示例中，self.center_words.op 打印出self.center_words的特征，以 json 格式显示。

- tagoma

---

这是来自TensorFlow核心吗？TensorFlow对象指的是什么？那是某种C++实现吗？ - Shamane Siriwardhana

这个链接已经失效。 - IntegrateThis

Answer 3

简单来说，它会打印特定张量对象的属性。也就是说，它会提供以下信息：

• 哪个操作负责生成该张量
• 它的返回类型是什么
• 它的维度是多少

以及关于所讨论的张量对象的所有可能信息。

最小化实例：

In [74]: with tf.Session() as sess:
    ...:     zer = tf.zeros(shape=(32, 32))
    ...:     print(zer.op)
    ...:     
name: "zeros_11"
op: "Const"
attr {
  key: "dtype"
  value {
    type: DT_FLOAT
  }
}
attr {
  key: "value"
  value {
    tensor {
      dtype: DT_FLOAT
      tensor_shape {
        dim {
          size: 32
        }
        dim {
          size: 32
        }
      }
      float_val: 0.0
    }
  }
}

---

P.S.: 忽略（zeros_11）中的数字（_11），这个数字只是用来跟踪运行次数的计数器。每次在一个会话中运行时它都会递增。

---

源代码实现：

代码：tf.Tensor.op
文档：tf.Tensor.op

- kmario23

---

据我所知，当训练时，tf对象中的递增数值行为是由训练类进行操作的。 - Shamane Siriwardhana

这是来自tensorflow的核心部分吗？Tensorflow对象指的是什么？那是一种C++实现吗？ - Shamane Siriwardhana

@ShamaneSiriwardhana 添加了代码参考。请查看。 - kmario23