TensorFlow疑问：无法为assign算子命名及图序列化反序列化问题

我最近在探究TensorFlow如何将计算图序列化与反序列化为protobuf，运行以下Python脚本可生成包含protobuf的checkpoint文件（后续可用于恢复计算图）：

import tensorflow as tf
# variable
w = tf.get_variable(name="weights", dtype=tf.float32, shape=[1], initializer=tf.zeros_initializer, use_resource=True)
# placeholders
x1 = tf.placeholder(name="x1", dtype=tf.float32)
x2 = tf.placeholder(name="x2", dtype=tf.float32)
# assign
new_w = tf.assign(w, x1, name="assign")
new_w_again = tf.assign(w, x2, name="assign_again") # not used
# session
init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    before = sess.run(w)
    sess.run(new_w, feed_dict={x1: 10.0})
    after = sess.run(w)
    print("before:", before, "after:", after)

不过我存在一个疑问：为何无法为assign算子设置名称？

其实你已经成功给assign算子设置名称啦！问题大概率出在你误解了tf.assign的name参数作用，或者没找对查看这个名称的正确方式。

咱们来具体捋清楚：

• 当你调用tf.assign(w, x1, name="assign")时，这个name参数是用来给计算图中生成的Assign节点设置名称，而非修改Python变量new_w的名称。Python变量只是指向计算图节点的一个引用，和节点本身的名称是完全独立的两个概念。
• 你可以通过以下方式验证名称是否生效：在代码中添加几行来获取并查看Assign算子的名称：

  # 可放在会话启动前或会话内
  assign_op = tf.get_default_graph().get_operation_by_name("assign")
  print("Assign算子的名称:", assign_op.name)
  # 也可以查看该算子输出张量的名称
  assign_output_tensor = tf.get_default_graph().get_tensor_by_name("assign:0")
  print("Assign算子输出张量的名称:", assign_output_tensor.name)
  

• 哪怕你定义的new_w_again没有被实际运行，它对应的Assign节点也已经被命名为assign_again，同样可以通过上面的方法查询到。

这个命名会被正常序列化到protobuf格式的checkpoint中，当后续恢复计算图时，你就能通过这个名称精准找到对应的Assign算子啦。

内容的提问来源于stack exchange，提问作者lucataglia