- tf.Variable()

W = tf.Variable(<initial-value>, name=<optional-name>)

用于生成一个初始值为initial-value的变量。必须指定初始化值

-tf.get_variable()

W = tf.get_variable(name, shape=None, dtype=tf.float32, initializer=None,regularizer=None, trainable=True, collections=None)

获取已存在的变量（要求不仅名字，而且初始化方法等各个参数都一样），如果不存在，就新建一个。
initializer可以用各种初始化方法，不用明确指定值。

- 区别

[1]. tf.get_variable()可以实现共享变量，而tf.Variable()只能新建变量。
[2]. get_variable新建变量如果遇见重复的name则会因为重复而报错(在没有启动reuse=True的情况下)。
[3]. variable新建的变量如果遇见重复的name则会自动修改前缀，以避免重复出现。

- 代码演示

实现共享

with tf.variable_scope("one"):a = tf.get_variable("v", [1]) #a.name == "one/v:0"
with tf.variable_scope("one"):b = tf.get_variable("v", [1]) #创建两个名字一样的变量会报错 ValueError: Variable one/v already exists
with tf.variable_scope("one", reuse = True): #注意reuse的作用。c = tf.get_variable("v", [1]) #c.name == "one/v:0" 成功共享，因为设置了reuseassert a==c #Assertion is true, they refer to the same object.# 注意，如果开启了reuse = True
# 那么就必须复用变量，如果指定的变量名不存在，则会报错
with tf.variable_scope("one", reuse = True): #注意reuse的作用。d = tf.get_variable("p", [1]) #c.name == "one/v:0" 报错，因为之前没有name为p的变量

Variable()

import tensorflow as tfwith tf.name_scope('nameScope'):n1 = tf.Variable(1,name= "1")with tf.name_scope("nameScope"):n2 = tf.Variable(3,name="1")with tf.Session() as sess:sess.run(tf.global_variables_initializer())print(n1)# <tf.Variable 'nameScope/1:0' shape=() dtype=int32_ref>print(n2)# <tf.Variable 'nameScope_1/1:0' shape=() dtype=int32_ref># tf.Variable会自动检修改前缀以避免重复出现

参考

https://blog.csdn.net/timothytt/article/details/79789274
https://blog.csdn.net/NNNNNNNNNNNNY/article/details/70177509

记录时间

2018/9/13 13:15 第一次

tf.Variable()、tf.get_variable()相关推荐

tf.Variable、tf.get_variable、tf.variable_scope、tf.name_scope、random、initializer
转自:tensorflow学习笔记(二十三):variable与get_variable TF.VARIABLE.TF.GET_VARIABLE.TF.VARIABLE_SCOPE以及TF.NAME_ ...
tf.Variable、tf.get_variable、tf.variable_scope以及tf.name_scope
tf.Variable与tf.get_variable tensorflow提供了通过变量名称来创建或者获取一个变量的机制.通过这个机制,在不同的函数中可以直接通过变量的名字来使用变量,而不需要将变量 ...
tf.variable和tf.get_Variable以及tf.name_scope和tf.variable_scope的区别
在训练深度网络时,为了减少需要训练参数的个数(比如具有simase结构的LSTM模型).或是多机多卡并行化训练大数据大模型(比如数据并行化)等情况时,往往需要共享变量.另外一方面是当一个深度学习模型变 ...
tf.Variable() 和 tf.get_variable()，tf.name_scope() 和 tf.variable_scope()
在gpu并行训练网络时,往往需要共享已创建的变量,tensorflow中为了使这些变量名和操作名唯一并且不重复,用了几个函数来应对这种情况.于是就有了tf.Variable(), tf.get_var ...
TensorFlow学习笔记(一): tf.Variable() 和tf.get_variable()详解
对于tf.Variable和tf.get_variable,这两个都是在我们训练模型的时候常遇到的函数,我们首先要知道懂得它的语法格式.常用的语法格式的作用以及在实际代码中是如何调用.如何运行的,运行 ...
TF：tensorflow框架中常用函数介绍—tf.Variable()和tf.get_variable()用法及其区别
TF:tensorflow框架中常用函数介绍-tf.Variable()和tf.get_variable()用法及其区别目录 tensorflow框架 tensorflow.Variable()函数 ...
tf.Variable 和 tf.get_variable的区别（2）
上上篇博文也写了这个话题,这次自己又敲了一下代码,再次研究了一下关于tf.Variable() 和 tf.get_variable() 的区别, 我就先不说太多,先直接看看代码,再来总结分析,下面代码 ...
tf.Variable和 tf.get_variable区别（1）
tensorflow中有两个关于variable的op,tf.Variable()与tf.get_variable()下面介绍这两个创建变量函数的区别先来看看这两个函数的参数列表,就不打了,直接截图 ...
tensorflow 变量及命名空间 tf.Variable() vs tf.get_variable() tf.name_scope() vs tf.variable_scope()
tf.Variable() vs tf.get_variable() tf.name_scope() vs tf.variable_scope() 1. 基础功能 1.1 tf.Variable() ...

tf.Variable()、tf.get_variable()