tf_global_step

tf_global_step是一个用于在tensorflow中跟踪全局步骤的变量。它是一个自动增加的整数变量，用来记录模型训练的步骤数。

在tensorflow中，模型的训练通常是通过迭代的方式进行的，每一次迭代被称为一个步骤。在每个步骤中，模型会根据训练数据进行前向传播、计算损失函数、反向传播等操作，用来更新模型的参数。tf_global_step的作用就是记录这个过程中已经进行的步骤数。

tf_global_step可以通过tf.train.get_global_step()函数来获取。一般情况下，我们会将它用于优化器的minimize()函数中，让tensorflow自动更新它的值。通过更新tf_global_step，我们可以建立起步骤数与模型训练进度之间的联系。

除了在训练过程中使用，tf_global_step还可以用于在模型保存和恢复的过程中。当我们保存模型时，可以将tf_global_step作为文件名的一部分，从而保证每个模型文件都是唯一的。在恢复模型时，可以将tf_global_step与模型参数一起加载，使训练可以从上一次停止的地方继续进行。

综上所述，tf_global_step是tensorflow中用于跟踪全局步骤的变量。它的作用是记录模型训练的步骤数，可以用于优化器的更新、模型保存与恢复等场景中。