1

以下是改编自一个简单学习示例的代码，为了理解 Tensorboard 图形可视化，我已经变形了：

import tensorflow as tf
import numpy as np

sess = tf.InteractiveSession()

# Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3
x_data = np.random.rand(10).astype("float32")
y_data = x_data * 0.1 + 0.3

W = tf.Variable(tf.random_uniform([1], -1.0, 1.0, name = "internal_W"), name = "external_W")
b = tf.Variable(2*tf.zeros([1], name = "internal_b"), name = "doubled_b")
y = (W * x_data + b)


l1 = (y - y_data)
l2 = (y_data - y )
writer = tf.train.SummaryWriter("/tmp/test1", sess.graph_def)

init = tf.initialize_all_variables()

# Launch the graph.
sess = tf.Session()
sess.run(init)
print(sess.run(y))
print('---')
print((y_data))
print('---')
print(sess.run(l1))
print('---')
print(sess.run(l2))

打印语句的示例输出是：

[ 0.84253538  0.31011301  0.11627766  0.35491142  0.65550905  0.1798114
  0.13632762  0.02010157  0.42960873  0.04218956]
---
[ 0.39195824  0.33384719  0.31269109  0.33873668  0.37154531  0.31962547
  0.31487945  0.302194    0.3468895   0.30460477]
---
[ 0.45057714 -0.02373418 -0.19641343  0.01617473  0.28396374 -0.13981406
 -0.17855182 -0.28209242  0.08271924 -0.2624152 ]
---
[-0.45057714  0.02373418  0.19641343 -0.01617473 -0.28396374  0.13981406
  0.17855182  0.28209242 -0.08271924  0.2624152 ]

显然，减法工作正常——减法的输入顺序不同，产生不同的输出。但是，图形可视化是：

张量板截图

请注意“Sub”运算符，它似乎不会像代码那样颠倒操作数的顺序。（突出显示任一运算符不会产生额外的见解。）我是否遗漏了一些明显的东西，或者节点可视化是否完全模糊了操作数的顺序？

4

1 回答 1

1

在解决了这个问题之后，我对自己的问题的深思熟虑的回答是：“是的，这是按预期工作的。” 节点的输入仅显示输入是什么，而不是与操作或节点或它们本身的任何特定关系；实际上，如果在操作节点中向自身添加一个变量，则输入变量将只显示一次。

这不是我会做出的设计选择，但这似乎是意图。

我仍然鼓励其他可能有更多见解的人发表评论或完全回答。

于 2016-01-04T19:56:19.860 回答