我是 tensorflow 深度学习的新手，对 tensorflow 中的反卷积（卷积转置）操作很感兴趣。我需要看一下操作反卷积的源代码。这个函数我猜是conv2d_transpose() in nn_ops.py。
但是，在函数中，它调用了另一个名为 gen_nn_ops.conv2d_backprop_input() 的函数。我需要看看这个函数里面有什么，但我无法在存储库中找到它。任何帮助将不胜感激。
【问题讨论】：
标签： python tensorflow deep-learning deconvolution
很遗憾，TensorFlow 代码不易阅读：(
为了加快速度，python 代码必须交错 C++ 代码，这也使用间接依赖。
gen_X 函数是从它们的 C++ 代码生成的；要找到它，您需要搜索Conv2dBackpropInput。
内核操作的注册在ops/nn_ops.cc，具体实现在kernels/conv_grad_input_ops.cc。
【讨论】：
你找不到这个来源，因为这个来源是 bazel 自动生成的。如果您从源代码构建，您将在 bazel-genfiles 中看到此文件。它也存在于您的本地发行版中，您可以使用 inspect 模块找到它。该文件包含对底层 C++ 实现的自动生成的 Python 包装器，因此它基本上由一堆 1 行函数组成。找到这种生成的 Python 操作的底层 C++ 实现的捷径是将蛇案例转换为骆驼案例，即conv2d_backprop_input -> Conv2dBackpropInput
# figure out where gen_nn_ops is
print(tf.nn.conv2d_transpose.__globals__['gen_nn_ops'])
from tensorflow.python.ops import gen_nn_ops
import inspect
inspect.getsourcefile('gen_nn_ops.conv2d_backprop_input')
'/Users/yaroslav/anaconda/lib/python3.5/site-packages/tensorflow/python/ops/gen_nn_ops.py'
如果你想知道这个文件是如何产生的，你可以在BUILD 文件中跟踪 bazel 依赖项。它从 tensorflow 源树中找到生成它的 Bazel 目标：
fullname=$(bazel query tensorflow/python/ops/gen_nn_ops.py)
bazel query "attr('srcs', $fullname, ${fullname//:*/}:*)"
//tensorflow/python:nn_ops_gen
现在转到tensorflow/python 中的BUILD 文件，您会看到这是tf_gen_op_wrapper_private_py 类型的目标，它定义为here 并从tensorflow/tensorflow.bzl 调用gen_op_wrapper_py，看起来像这样
def tf_gen_op_wrapper_py(name, out=None, hidden=None, visibility=None, deps=[],
....
native.cc_binary(
name = tool_name,
native.cc_binary 构造是一种让 Bazel 目标表示执行任意命令的方法。在这种情况下，它使用一些参数调用tool_name。再走几步，你会发现这里的“工具”是从framework/python_op_gen_main.cc编译的
造成这种复杂情况的原因是 TensorFlow 被设计为与语言无关。因此，在理想世界中，您将在ops.pbtxt 中描述每个操作，然后每个操作将使用REGISTER_KERNEL_BUILDER 对每种硬件类型进行一个实现，因此所有实现都将在 C++/CUDA/Assembly 中完成并自动可用于所有语言前端。每种语言都会有一个等效的翻译器操作，例如“python_op_gen_main”，并且所有客户端库代码都将自动生成。然而，由于 Python 如此占主导地位，因此在 Python 方面存在添加功能的压力。所以现在有两种操作——在像gen_nn_ops.py 这样的文件中看到纯TensorFlow 操作，在像nn_ops.py 这样的文件中看到纯Python 操作，它们通常包装操作自动生成的文件gen_nn_ops.py，但添加了额外的功能/语法糖。此外，最初所有名称都是驼峰式，但决定面向公众的版本应该是 PEP 兼容更常见的 Python 语法，所以这是相同操作的 C++/Python 接口之间驼峰式/蛇式不匹配的原因
【讨论】：
这是在构建 Tensorflow 时生成的文件。 构建 TensorFlow 源代码后，您应该会在 tensorflow 根目录看到一个名为“bazel-genfiles”的符号链接文件，然后转到它指向的位置，然后您可以在 tensorflow 找到它/python/ops/gen_nn_ops.py
【讨论】：
我在 google colab 上使用张量流 TF2：
import inspect
inspect.getsourcefile(gen_nn_ops.conv2d_backprop_input)
'/usr/local/lib/python3.6/dist-packages/tensorflow/python/ops/gen_nn_ops.py'
【讨论】：