MetaGraphDef、GraphDef、Graph 三者之间的关系是什么

• Graph 是由python构建的计算图数据结构，包含算子和张量，它序列化之后就是 GraphDef
• GraphDef 定义在 graph.proto
• 但是，直接将 GraphDef 反序列化后是得不到 Graph 的，需要利用 importer 模块来将图导入到session中。import_pb_to_tensorboard.py
• 从 GraphDef 的定义来看，它只包含了NodeDef，而没有其他的信息，MetaGraphDef 扩展了GraphDef，记录了更多信息，包括SaverDef, MetaInfoDef,CollectionDef 等重要信息
• 参考https://zhuanlan.zhihu.com/p/31308381

opname中的:0是什么意思

• <op>:0, <op>:1 表示的是第几个输出，试一下以下代码
• https://stackoverflow.com/questions/40925652/in-tensorflow-whats-the-meaning-of-0-in-a-variables-name

import tensorflow as tf
a,b=tf.nn.top_k([1], 1)
print a.name # => 'TopKV2:0'
print b.name # => 'TopKV2:1'

keras的layer相关注记

• call中的所有操作会自动置于 self.name 的name_scope下面，不用手动指定；但是创建的变量还是需要手动指定variable_scope
• 手动执行build方法时，还需要将模块的built属性设置为True

dnn.build(input_shape[0])
dnn.built = True

name_scope 与 variable_scope 的区别

• name_scope 只会加到op上，而 variable_scope 会加到op和variable上
• 只用 name_scope 时，创建了新变量，会导致变量在顶层scope中，不利于计算图可视化

tf.Print 打印日志的问题，可能展示不出来

• 不能写出 tf.Print(op, [op], 'msg')，会使的 print 变成计算图上的孤立点，会被优化掉。正确的使用方法是
• op = tf.Print(op, [op], 'msg')

To make sure the operator runs, users need to pass the produced op to tf.compat.v1.Session's run method, or to use the op as a control dependency for executed ops by specifying with tf.compat.v1.control_dependencies([print_op]). @end_compatibility

tf.tf_export 是什么意思，原理如何

• 查看源代码可以看到,tf_export是一个函数

tf_export = functools.partial(api_export, api_name=TENSORFLOW_API_NAME)

• functools.partial 是python的高阶函数工具，是一个类，初始化签名是

def __init__(self, func, *args, **keywords)

• api_export 是一个构建装饰器的类，其__call__方法创建一个装饰器