tensorflow中的变量管理

import tensorflow as tf# variable_scope()示例
"""
tensorflow中通过变量名称获取变量的机制主要是通过tf.get_variable和tf.variable_scope函数实现的
tf提供tf.get_variable函数来创建或获取变量；当tf.get_variable用于创建变量时，它和tf.Variable的功能基本等价
"""
# tf.get_variable函数调用时提供维度信息和初始化方法，tf.get_variable函数与tf.Variable函数最大区别是：tf.Variable函数中变量名称是一个可选参数
# tf.get_variable函数中的变量名称是一个必填参数，tf.get_variable会根据这个名字去创建或获取一个变量
v = tf.get_variable("v", shape=[1], initializer=tf.constant_initializer(1.0))
v = tf.Variable(tf.constant(1.0, shape=[1], name="v"))
# 为了解决出现变量复用造成的tf.get_variable错误，需要通过tf.variable_scope()函数生成一个上下文管理器，并明确指出在这个上下文管理器中，
# tf.get_variable()将获取已经生成的变量
with tf.variable_scope("foo"):v = tf.get_variable("v", [1], initializer=tf.constant_initializer(1.0))
"""
由于命名空间foo中已经存在名为v的变量，所以下面代码将会报错
with tf.variable_scope("foo"):v = tf.get_variable("v", [1])
"""
# 在生成上下文管理器时，将参数reuse设置为True,这样tf.get_variable函数将直接获取已经声明的变量
with tf.variable_scope("foo", reuse=True):v1 = tf.get_variable("v", [1])print(v1 == v)  # v,v1代表的是相同的tf中的变量
# 将reuse设置为True时，tf.variable_scope将只能获取已经创建过的变量,因为在bar命名空间中，还没有创建过变量v，所以报错
"""
with tf.variable_scope("bar", reuse=True):v = tf.get_variable("v",[1])
"""
# 如果tf.variable_scope()函数使用参数reuse=None,reuse=False创建上下文管理器时，tf.get_variable操作将会创建新的变量,如果同名变量已存在，将会报错
# tf.variable_scope()函数是可以嵌套的
with tf.variable_scope("root"):print(tf.get_variable_scope().reuse)with tf.variable_scope("foo", reuse=True):print(tf.get_variable_scope().reuse)with tf.variable_scope("bar"):print(tf.get_variable_scope().reuse)print(tf.get_variable_scope().reuse)
# tf.variable_scope()函数除了可以控制tf.get_variable执行功能之外，也提供了一个管理变量命名空间的方式
with tf.variable_scope("hi"):v1 = tf.get_variable("v", [1])print(v1.name)print(tf.get_variable_scope().reuse)with tf.variable_scope("hi"):with tf.variable_scope("bar"):v2 = tf.get_variable("v", [1])print(v2.name)v4 = tf.get_variable("v1", [1])  # 此处的变量名一定不能是vprint(v4.name)with tf.variable_scope("", reuse=True):v5 = tf.get_variable("hi/bar/v", [1])print(v5 == v2)v6 = tf.get_variable("hi/v1", [1])print(v6 == v4)# name_scope()在可视化过程中，为变量划分范围，表示计算图中的一个层级,不影响get_variable创建的变量，只会影响Variable()创建的变量
"""
name_scope 对用get_variable()创建的变量的名字不会有任何影响，而 Variable()创建的操作会被加上前缀，并且会给操作加上名字前缀
"""
with tf.variable_scope("fooo"):with tf.name_scope("bar"):v = tf.get_variable("v", [1])b = tf.Variable(tf.zeros([1]), name="b")x = 1.0 + vprint(v.name)print(b.name)print(x.op.name)

tensorflow中的变量管理相关推荐

《TensorFlow：实战Google深度学习框架》——5.3 TensorFlow中的变量初始化函数
tensorflow中张量、常量、变量、占位符
引言从实例出发 #先导入TensorFlow import tensorflow as tf# Create TensorFlow object called hello_constant hell ...
TensorFlow中变量管理reuse参数的使用
TensorFlow用于变量管理的函数主要有两个: tf. get_variable()和tf.variable_scope(), 前者用于创建或获取变量的值,后者用于生成上下文管理器,创建命名空间, ...
tensorflow中name_scope和variable_scope变量的使用
1. variable_scope的使用首先,使用variable_scope可以很方便的管理get_varibale. 如何确定 get_variable 的 prefixed name? 1.1 ...
【TensorFlow】TensorFlow从浅入深系列之八 -- 教你学会变量管理
本文是<TensorFlow从浅入深>系列之第8篇 TensorFlow从浅入深系列之一 -- 教你如何设置学习率(指数衰减法) TensorFlow从浅入深系列之二 -- 教你通过思维导 ...
Tensorflow 之 name/variable_scope 变量管理
name/variable_scope 的作用充分理解 name / variable_scope TensorFlow 入门笔记当一个神经网络比较复杂.参数比较多时,就比较需要一个比较好的方式来 ...
TensorFlow中查看checkpoint文件中的变量名和对应值
在加载模型时, 需要知道checkpoint中变量名称,一下代码可以查看TensorFlow中checkpoint文件中的变量名: #!/usr/bin/env python # -*- coding ...
android冻结命令,在Android上使用冻结tensorflow图中的变量
TLDR:如何在Android上使用冻结tensorflow图中的变量? 1.我想做什么我有一个Tensorflow模型,它在多个变量中保持一个内部状态,用:state_var = tf.Varia ...
Tensorflow 获取model中的变量列表，用于模型加载等
目录前言 1. 用tensorflow自带的工具 2. 用tensorflow.contrib.slim. 3. 从保存的model中提取var_list 4. 其他前言在加载预训练的网络模型时 ...

tensorflow中的变量管理

tensorflow中的变量管理相关推荐

最新文章

热门文章