TensorFlow在特定的作用域下获取变量

最新推荐文章于 2024-05-18 21:27:47 发布

原创最新推荐文章于 2024-05-18 21:27:47 发布 · 1.5k 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#作用域

人工智能专栏收录该内容

91 篇文章

订阅专栏

本文介绍TensorFlow中如何利用作用域(scope)管理和创建不同变量。通过实例展示如何避免重复变量名导致的错误，并演示了如何在同一作用域下正确创建多个同名变量。

一实例描述

在作用域下，可以使用get_variable和嵌套variable_scope。

get_variable创建两个同样名字的变量是行不通的，如下代码会报错。

var1 = tf.get_variable("firstvar",shape=[2],dtype=tf.float32)
var2 = tf.get_variable("firstvar",shape=[2],dtype=tf.float32)

如果真的想这么做，可以使用variable_scope将它们隔开，见下面代码

二代码

import tensorflow as tf
tf.reset_default_graph()
    
#var1 = tf.get_variable("firstvar",shape=[2],dtype=tf.float32)   
#var2 = tf.get_variable("firstvar",shape=[2],dtype=tf.float32)    
    
with tf.variable_scope("test1", ):
    var1 = tf.get_variable("firstvar",shape=[2],dtype=tf.float32)
    
with tf.variable_scope("test2"):
    var2 = tf.get_variable("firstvar",shape=[2],dtype=tf.float32)
        
print ("var1:",var1.name)
print ("var2:",var2.name)

三运行结果

var1: test1/firstvar:0

var2: test2/firstvar:0

四说明

var1和var2都使用firstvar的名字来定义。通过输出可以看出，其生成的两个变量var1和var2是不同的，它们作用在不同的scope下，这就是scope的作用。

scope还支持嵌套，见下面代码。

五代码

import tensorflow as tf
tf.reset_default_graph()
    
#var1 = tf.get_variable("firstvar",shape=[2],dtype=tf.float32)   
#var2 = tf.get_variable("firstvar",shape=[2],dtype=tf.float32)    
    
with tf.variable_scope("test1", ):
    var1 = tf.get_variable("firstvar",shape=[2],dtype=tf.float32)
    
    with tf.variable_scope("test2"):
        var2 = tf.get_variable("firstvar",shape=[2],dtype=tf.float32)
        
print ("var1:",var1.name)
print ("var2:",var2.name)

六运行结果

var1: test1/firstvar:0

var2: test1/test2/firstvar:0