tf.get_operations返回值解析及相关代码逻辑疑问咨询

嘿，我来一步步帮你把这些问题掰明白～

官方文档有点绕，翻译成大白话就是：

• 这个函数相当于给当前TensorFlow计算图拍了一张全量操作快照，返回的是图里所有已经定义好的tf.Operation对象列表。
• 你可以直接修改列表里单个操作的属性（比如调整某个操作的参数），但要是你对这个返回的列表本身做增删（比如插个新操作进去、删掉列表里的某一项），完全不会影响原图里的操作——因为它只是个拷贝出来的“清单副本”而已。
• 放心在多线程环境里用它，不会出现并发问题。

你猜的没错！这些tf.Operation对象确实是从当前程序加载/构建的TensorFlow计算图里读取出来的。至于是不是来自冻结图，得看你当前的图本身：

• 冻结图的特点是把所有可训练变量都转成了Const类型的操作（比如你看到的BatchNorm/gamma就是个Const），但普通的计算图里也可能存在原本就定义的常量操作。
• 简单说：如果你的图是从冻结的.pb文件加载的，那这些操作肯定来自冻结图；如果是动态构建的图（比如自己写的模型），那就是来自你构建的计算图。

你贴的这段代码all_tensor_names = {output.name for op in ops for output in op.outputs}是Python的集合推导式，说白了就是用简洁的写法遍历两层循环，收集唯一的张量名称，拆解成普通循环的话就是：

all_tensor_names = set()
for op in ops:
    # 遍历当前操作的所有输出张量
    for output in op.outputs:
        # 把张量的名称添加到集合里（集合自动去重）
        all_tensor_names.add(output.name)

具体逻辑是：

1. 先遍历tf.get_operations()返回的每一个操作op
2. 每个操作执行后都会输出一个或多个张量（比如Conv2D会输出特征图张量，Const会输出常量张量），所以再遍历这个操作的所有输出output
3. 把每个输出张量的name属性提取出来，放到集合中——集合的特性是自动去重，所以最终得到的是当前图里所有操作输出张量的唯一名称集合

内容的提问来源于stack exchange，提问作者Simon Kiely