不知道这是不是正确的理解：
所有张量都派生自某个操作，并且操作要么在构造函数中指定名称，要么为特定类型的操作指定默认名称。如果名称不是唯一的，TensorFlow 会通过附加 "_1"、"_2" 等自动处理此问题。具有 n 个张量输出的操作将这些张量命名为 "op_name:0"、"op_name:1"、...、"op_name:n-1"。
似乎出现了一个问题：如果x 是tf.Variable，那么x.name 给出"variable_name:0"。这令人困惑："variable_name" 指的是什么？
【问题讨论】：
标签： tensorflow
您对Tensor 命名的观察是绝对正确的：Tensor 的名称是
:) 和 因此，名为 "foo:2" 的张量是名为 "foo" 的操作在位置 2 的输出（索引从零开始）。
tf.Variable 对象的naming 有点奇怪。每个tf.Variable 都包含一个可变张量 对象，该对象保存变量（以及一些其他张量）的状态。 "Variable" op（在您的示例中名为 "variable_name"）每次运行时都会“产生”这个可变张量作为其第 0 个输出，因此可变张量的名称是 "variable_name:0"。
由于tf.Variable 与tf.Tensor 几乎无法区分——因为它可以在相同的地方使用——我们决定让变量名称类似于张量名称，因此Variable.name 属性返回的名称可变张量。 （这与 tf.QueueBase 和 tf.ReaderBase 对象形成对比，它们不可直接用作张量（相反，您必须在它们上调用方法来创建对其状态进行操作的操作），所以这些不有一个类似张量的名称。）
【讨论】：
print(tf.split([0, 1, 2, 3, 4, 5], 5, name="split_op")[3].name)，在"split_op" 的输出中打印索引 3 处的张量名称，将打印"split_op:3"。