TensorFlow共享变量功能实现

最新推荐文章于 2026-04-01 02:37:43 发布

原创最新推荐文章于 2026-04-01 02:37:43 发布 · 437 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#共享变量

人工智能专栏收录该内容

91 篇文章

订阅专栏

本文通过实例演示了如何在TensorFlow中利用variable_scope和get_variable实现变量共享。具体介绍了通过设置reuse参数为True来实现作用域内已定义变量的复用，这对于构建复杂的网络结构非常有用。

一实例描述

使用作用域的reuse参数可以实现共享变量的功能。

可以通过get_variable实现共享变量的功能。

variable_scope里面有个,reuse=True属性，表示作用域中使用已经定义过的变量。这是get_variable将不会再创建新的变量，而是去图中get_variable所创建的变量中找与name相同的变量。

下面代码中演示了建立一个同样的scope，并且设置reuse=True，实现共享firstvar变量。

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)
with tf.variable_scope("test1",reuse=True ):
    var3 = tf.get_variable("firstvar",shape=[2],dtype=tf.float32)
    
    with tf.variable_scope("test2"):
        var4 = tf.get_variable("firstvar",shape=[2],dtype=tf.float32)
print ("var3:",var3.name)
print ("var4:",var4.name)

三运行结果

var1: test1/firstvar:0

var2: test1/test2/firstvar:0

var3: test1/firstvar:0

var4: test1/test2/firstvar:0

四说明

var1和var3的输出名字是一样的，var2和var4的名字也是一样的。这表明var1和var3共用了一个变量，var2和var4共用一个变量，这就实现了共享变量。

在实际应用中，可以把var1和var2放到一个网络模型去训练，把var3和var4放到另一网络模型里去训练，而两个模型的训练结果都会作用于一个模型的学习参数中。