TensorFlow — 软件工程的范围

您已经完成了模型的训练，现在是时候了解一下它学到了什么。您决定哪个张量应该有趣，然后在代码中查找它 - 找出它的名字。然后你突然想到 - 你忘了给它起个名字。您还忘了用命名范围包装逻辑代码块。这意味着您将很难获得对张量的引用。它适用于 Python 脚本和 TensorBoard：

您能看到在张量海洋中迷失的那个小红圈吗？找到它很难……

真扫兴！如果它看起来更像这样，那就更好了：

这更像它！形成逻辑单元的每一组张量都包装在命名范围内。

为什么不能以类似于您的代码的方式自动构建图形？我的意思是，很有可能你没有使用单个函数构建模型，对吧？你的代码库包含多个函数——每个函数都形成一个逻辑单元，值得拥有自己的命名范围！

假设你有一个张量 x，它由函数 f 定义，而函数 f 又被 g 调用。这意味着在编写代码时，你脑海中有这个逻辑结构：g -> f -> x。如果模型能够自动构建，使得张量的名称为 g/f/x，那不是很好吗？

x f g g f x g/f/x

想想看，这很简单。您所要做的就是检查所有函数并添加一行代码：

def f(): with tensorflow.name_scope(‘f’): # 定义张量

def f(): with tensorflow.name_scope(‘f’): # 定义张量 def f(): with tensorflow.name_scope(‘f’): # 定义张量

那么这种方法有什么问题？

函数名称 f 出现了两次 — 既在函数声明中，又作为 tensorflow.name_scope 的参数出现。也许下周您会将函数名称更改为更有意义的名称，比如说 foo。不幸的是，您可能会忘记更新范围的名称！

f tensorflow.name_scope foo f f tensorflow.name_scope import re def ( f ):