Der Parameter name
ist optional (Sie können Variablen und Konstanten mit oder ohne es erstellen), und die Variable, die Sie in Ihrem Programm verwenden, hängt nicht davon ab. Namen können in ein paar Orten hilfreich sein:
Wenn Sie Ihre Variablen speichern oder wiederherstellen möchten (Sie können save them to a binary file nach der Berechnung). Von docs:
By default, it uses the value of the Variable.name property for each variable
matrix_1 = tf.Variable([[1, 2], [2, 3]], name="v1")
matrix_2 = tf.Variable([[3, 4], [5, 6]], name="v2")
init = tf.initialize_all_variables()
saver = tf.train.Saver()
sess = tf.Session()
sess.run(init)
save_path = saver.save(sess, "/model.ckpt")
sess.close()
Dennoch haben Sie Variablen matrix_1
, matrix_2
sie spart als v1
, v2
in der Datei.
Auch Namen werden in TensorBoard verwendet, um Namen von Kanten schön anzuzeigen. Sie können sogar group them by using the same scope:
import tensorflow as tf
with tf.name_scope('hidden') as scope:
a = tf.constant(5, name='alpha')
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0), name='weights')
b = tf.Variable(tf.zeros([1]), name='biases')