TensorFlow流の奇妙(二)

Question

暑中お見舞い申し上げます。

TensorFlow流のやり方では、下記のようなパターンはよくありますね。
(↓うまく実行できる実例です)

a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)

adder_node = a + b  # + provides a shortcut for tf.add(a, b)
sess.run(adder_node, {a:3, b:4.5}))
sess.run(adder_node, {a: [1,3], b: [2,4]})

さて、上の『a』と『b』の正体は一体何なんでしょうか。

①　変数のアドレス？　
そうでもないようです。
最後の二つのsess.run文から分かるように、aとbに対応する中身のサイズが全然変動的ですから。

②　辞書のキー？　　
最後の二つのsess.run文の中に{a: ..., b: ...}のように使われているから、辞書のキーの可能性が高いですね。

でも、tf.placeholderって辞書のキーを生成して返すの？
そしてもし、『a』と『b』が辞書のキーであれば、直接この辞書のキーを使って計算(a+b)ができるの？　これはPython仕様？

難しいかもしれませんが、ヒントやアイディアを頂ければ幸いです。

Answer 1

基本的にtensorflowを用いた実装は、あらかじめ計算グラフと呼ばれる一連の処理をtensorflowの関数を用いて記述しておき、python側からその計算グラフを起動させることで実行されます。質問の例示のコードでいうと、計算グラフに相当する部分は

a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)

adder_node = a + b

であり、sess.runの部分がpython側からの計算グラフの起動部分にあたります。例示の計算グラフの場合、a+bという加算を行うことがその実体ですが、計算に必要なa,bは外部から与える仕様として定義されています。したがって、sess.runによって起動する際、外部から与えるべきデータを引数として指定する必要があります。その内容、例示コードの {a:3, b:4.5}や{a: [1,3], b: [2,4]}の部分にあたります。

つまり、a,bはtensorflow内で処理される計算グラフ（adder_node = a + b）をpython側から実行するために必要なデータを指定したものということになります。

Comments

[leilei]

R.Shigemoriさま
ご解説ありがとうございます。
戻り値であるaとbの存在は変数の如き、参照の仕方はPythonの辞書のキーである。。。
そして直接計算に利用されるので、辞書のキーであるはずはない。。。

もしかして、aとbはPython言語レベルのものではなく、
『tensorflow内』にのみ意味があるC言語のマクロやMATLABのsymbolic記号のようなものでしょうか。

[R.Shigemori]

tensorflowはpythonとは別ものと捉えていたほうがしっくりくると思います。そして、この両者のインターフェースに相当するものがsess.runであり、pythonからtesorflowにデータを与える方法が第2引数であり、python側が受け取りたい計算結果が第1引数と理解しておけば、大抵の処理は実装できます。

[leilei]

R.Shigemori さん
お丁寧な解説ありがとうございます。
tensorflowの使い方は分かりました。