tensorflow的變數作用域

一、由來

深度學習中需要使用大量的變數集，以往寫**我們只需要做全域性限量就可以了，但在tensorflow中，這樣做既不方便管理變數集，有不便於封裝，因此tensorflow提供了一種變數管理方法：變數作用域機制

二、兩個重要api

tf.get_variable(name, shape=none)　　　　　　　　# 根據給定的名字建立或返回乙個變數

tf.variable_scope(name_or_scope, reuse=none)　　# 將name_or_scope下的所有變數組成乙個命名空間　　

三、解讀

先說第乙個api

tf.get_variable(name, shape=none)這個方法在建立變數時與tf.variable()完全相同，區別在於它還會搜尋是否有同名變數；

1

import
tensorflow as tf23
4 with tf.variable_scope('
const'):
5     a = tf.get_variable('
a', [1], initializer=tf.constant_initializer(1.))

再說第二個api

這個方法最重要的引數時reuse，有三個取值：none、true、tf.auto_reuse

reuse = none：繼承父類的reuse標誌

reuse = true：只能復用，不能建立

1

import
tensorflow as tf23
4 with tf.variable_scope('
const'):
5     a = tf.get_variable('
a', [1])
67 with tf.variable_scope('
const
', reuse=tf.auto_reuse):
8     b = tf.get_variable('
a', [1])910
print(a==b)     #
true

reuse = tf.auto_reuse：沒有就建立，有了就復用，這是最安全的用法

1

import
tensorflow as tf23
4def
test():
5     with tf.variable_scope('
const
', reuse=tf.auto_reuse):
6         a = tf.get_variable('
a', [1])78
returna9
10 x = test()  #
沒有就建立
11 y = test()  #
有了就復用
12print(x==y)     #
true

Tensorflow 模組的作用

1，在機器學習中，我們常常需要把訓練好的模型儲存起來，這樣在進行決策時直接將模型讀出，而不需要重新訓練模型，這樣就大大節約了時間。python提供的pickle模組就很好地解決了這個問題，它可以序列化物件並儲存到磁碟中，並在需要的時候讀取出來，任何物件都可以執行序列化操作。pickle模組中最常用的...

Tensorflow 變數的共享

tensorflow exp example sparse tensor classification train validate.py 當你需要train的過程中validate的時候，如果用placeholder來接收輸入資料 那麼乙個compute graph可以完成這個任務。如果你用的是t...

Tensorflow 變數的共享

tensorflow exp example sparse tensor classification train validate.py 當你需要train的過程中validate的時候，如果用placeholder來接收輸入資料 那麼乙個compute graph可以完成這個任務。如果你用的是t...