我正在尝试理解Tensorflow，并在查看官方示例之一，即Cifar-10模型。

在cifar10.py中的inference()函数中，你可以看到以下代码行：

with tf.variable_scope('softmax_linear') as scope:    weights = _variable_with_weight_decay('weights', [192, NUM_CLASSES],                                      stddev=1/192.0, wd=0.0)    biases = _variable_on_cpu('biases', [NUM_CLASSES],                          tf.constant_initializer(0.0))    softmax_linear = tf.add(tf.matmul(local4, weights), biases, name=scope.name)    _activation_summary(softmax_linear)

scope.name应该是softmax_linear，这应该是节点的名称。我使用以下代码行保存了图形协议（与教程中的有所不同）：

with tf.Graph().as_default():    global_step = tf.Variable(0, trainable=False)    # 获取图像和标签    images, labels = cifar10.distorted_inputs()    # 构建一个计算推理模型预测的图形。    logits = cifar10.inference(images)    # 计算损失。    loss = cifar10.loss(logits, labels)    # 构建一个用一批示例训练模型并更新模型参数的图形。    train_op = cifar10.train(loss, global_step)    # 创建一个保存器。    saver = tf.train.Saver(tf.global_variables())    # 根据TF的摘要集合构建摘要操作。    summary_op = tf.summary.merge_all()    # 构建一个初始化操作以在下面运行。    init = tf.global_variables_initializer()    # 开始在图形上运行操作。    sess = tf.Session(config=tf.ConfigProto(        log_device_placement=FLAGS.log_device_placement))    sess.run(init)    # 保存图形    tf.train.write_graph(sess.graph_def, FLAGS.train_dir, 'model.pbtxt')      ....

但我在model.pbtxt中看不到名为softmax_linear的节点。我做错了什么？我只想知道输出节点的名称，以便导出图形。

回答：

操作符名称不会是"softmax_linear"。tf.name_scope()会用其名称作为前缀，并用/分隔操作符的名称。每个操作符都有自己的名称。例如，如果你写

with tf.name_scope("foo"):   a = tf.constant(1, name="bar")

那么常量将具有名称"foo/bar"。

希望这对你有帮助！