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

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

或者

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

乍一看，这似乎是一个奇怪的接口决定。这是惯例问题，还是技术问题？你知道吗

Answer 1

tensorflow/pymc中的名称与变量标识符不同。你知道吗

示例：

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

这里的名字beta是供人参考的，我们也可以叫它a, b, c。名称“alpha”用作内部名称，用于日志记录和调试。你知道吗

你建议alpha = pymc.Normal(mu=0, tau=.01)使用名称alpha并将其作为默认的内部名称，这是可能的，但有一些问题。你知道吗

在不同的名称空间中，变量名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.

附言：这是一个简化的例子，仅供参考