python - 为什么 PyMC3 和 Tensorflow 需要对象的双重命名？

Question

在 PyMC3、Tensorflow 和其他一些包中声明对象时，我们需要重复对象的名称，例如

alpha = pymc.Normal('alpha', mu=0, tau=.01)

为什么需要这个？为什么不能简化为类似的东西

alpha = pymc.Normal(mu=0, tau=.01)

或

pymc.Normal('alpha', mu=0, tau=.01)

乍一看，这似乎是一个奇怪的界面决定。这是惯例问题还是技术问题？

Answer 1

tensorflow/pymc中的名字与变量标识符不同。

示例:

beta = pymc.Normal('alpha', mu=0, tau=.01)完全有效(尽管令人困惑)

这里是名字beta供人类引用，我们可以将其称为a, b, c还。名称“alpha”用作内部名称，将在日志记录和调试中使用。

您的建议alpha = pymc.Normal(mu=0, tau=.01)关于取名alpha并使用它作为默认的内部名称，这是可能的，但有一些问题。

在不同的 namespace 中，变量名称 alpha 可能会被重用:

例如:

values = []
For i in range(10):
    alpha = pymc.Normal(mu=0, tau=.01)
    values.append(alpha)
    # in this case all values will be logged as alpha which will be confusing to debug.

更简单的解决方案:

values = []
For i in range(10):
    alpha = pymc.Normal('alpha{}'.format(i), mu=0, tau=.01)
    values.append(alpha)
    # in this case values will be logged as alpha_<i> which will not be so confusing to debug.

PS:例子是简化的，仅供引用