tf.GraphKeys，tf.add_to_collection() 与 tf.get

tf.get_collection(key,scope=None
)
##参数：key：集合的关键字/名称，比如GraphKey类中包含来许多标准的集合的name
##     scope：(可选填)。如果scope != None,那么需要对输出元素进行筛选（re,match），
##            在返回的列表中，仅包含那些name属性与scope相匹配的元素。
##                         没有name属性的元素永远不会被输出。
##            re.match:以scope作为前缀对item进行筛选
##返回：在由key指定的collection中的元素，经过scope的re.match筛选后的元素，组成的列表。
##     列表中元素的顺序与在集合中的顺序相同

tf.add_to_collection('losses',regularizer(var_weights)):将数值regularizer(var_weights)添加到集合‘losses’中

tf.get_collection('losses'):获取集合“losses”中的所有元素，生成一个列表并返回该列表

tf.add_n( [ list ] ): 求list中元素的累加和，列表里的元素可以是向量，矩阵等

tf.GraphKeys：通过key值快速获取对应张量的集合。每个变量/张量在定义的时候都会自动携带一个key值，tf.GraphKeys可以通过不同的key值来快捷地生成对应的变量/张量的集合

集合名称	集合内容	使用场景
tf.GraphKeys.VARIABLES	所有变量	持久化TensorFlow模型
tf.GraphKeys.TRAINABLE_VARIABLES	可学习变量（一般指神经网络中的参数）	模型训练、生成模型可视化内容
tf.GraphKeys.SUMMARIES	日志生成相关的张量	TensorFlow计算可视化
tf.GraphKeys.QUEUE_RUNNERS	处理输入的QueueRunner	输入处理
tf.GraphKeys.MOVING_AVERAGE_VARIABLES	所有计算了滑动平均值的变量	计算变量的滑动平均值

官方文档（英文）：https://www.tensorflow.org/versions/r1.8/api_docs/python/tf/get_collection?hl=zh-cn

tf.GraphKeys，tf.add_to_collection() 与 tf.get_collection()相关推荐

(4)[Tensorflow]L2正则化和collection【tf.GraphKeys】
L2-Regularization 实现的话,需要把所有的参数放在一个集合内,最后计算loss时,再减去加权值. 相比自己乱搞,代码一团糟,Tensorflow 提供了更优美的实现方法. 1. tf. ...
TensorFlow tf.data 导入数据（tf.data官方教程） * * * * *
原文链接:https://blog.csdn.net/u014061630/article/details/80728694 TensorFlow版本:1.10.0 > Guide > I ...
tensorflow学习笔记：tf.control_dependencies，tf.GraphKeys.UPDATE_OPS，tf.get_collection
tf.control_dependencies(control_inputs): control_dependencies(control_inputs) ARGS: control_inputs:在 ...
L2正则化和collection，tf.GraphKeys
L2-Regularization 实现的话,需要把所有的参数放在一个集合内,最后计算loss时,再减去加权值. 相比自己乱搞,代码一团糟,Tensorflow 提供了更优美的实现方法. 一.tf.G ...
[Tensorflow]L2正则化和collection【tf.GraphKeys】
L2-Regularization 实现的话,需要把所有的参数放在一个集合内,最后计算loss时,再减去加权值. 相比自己乱搞,代码一团糟,Tensorflow 提供了更优美的实现方法. 一.tf.G ...
tensorflow教程——tf.GraphKeys
GraphKeys tf.GraphKeys包含所有graph collection中的标准集合名,有点像Python里的build-in fuction. 首先要了解graph collection ...
【转】tensorflow中的batch_norm以及tf.control_dependencies和tf.GraphKeys.UPDATE_OPS的探究
笔者近来在tensorflow中使用batch_norm时,由于事先不熟悉其内部的原理,因此将其错误使用,从而出现了结果与预想不一致的结果.事后对其进行了一定的调查与研究,在此进行一些总结. 一.错误 ...
TF之LiR：利用TF自定义一个线性分类器LiR对乳腺癌肿瘤数据集进行二分类预测(良/恶性)
TF之LiR:利用TF自定义一个线性分类器LiR对乳腺癌肿瘤数据集进行二分类预测(良/恶性) 目录输出结果设计思路核心代码输出结果设计思路核心代码 X_train = np.float32 ...
TF之p2p：基于TF利用p2p模型部分代码实现提高图像的分辨率
TF之p2p:基于TF利用p2p模型部分代码实现提高图像的分辨率目录一.tfimage.py文件功能解释二.process.py添加一个新操作一.tfimage.py文件功能解释 1.此处的c ...

tf.GraphKeys，tf.add_to_collection() 与 tf.get_collection()

tf.GraphKeys，tf.add_to_collection() 与 tf.get_collection()相关推荐

最新文章

热门文章