tf.trainable_variables

转载于 2021-06-19 08:13:32 发布 · 1k 阅读

1 ·

CC 4.0 BY-SA版权

原文链接：https://blog.youkuaiyun.com/qq_15807167/article/details/63686855?utm_source=blogxgwz4

深度学习专栏收录该内容

48 篇文章

订阅专栏

这篇博客探讨了在TensorFlow中创建变量时trainable选项的重要性。`tf.get_variable`和`tf.Variable`默认情况下变量是可训练的，而`tf.constant`则不可训练。示例代码展示了如何获取图中所有可训练变量，并打印其名称。结果显示，变量'a'和'd'是可训练的。

部署运行你感兴趣的模型镜像

在创造变量(tf.Variable、tf.get_variable等)时，都会有一个trainable的选项，表示该变量是否可训练，这个函数会返回图中所有trainable=True的变量。tf.get_variable和tf.Variable的默认选项是True，而tf.constant只能是False：

import tensorflow as tf

a = tf.get_variable('a', shape=[5, 2])
b = tf.get_variable('b', shape=[2, 5], trainable=False)
c = tf.constant([1, 2, 3], dtype=tf.int32, shape=[8], name='c')
d = tf.Variable(tf.random_uniform(shape=[3, 3]), name='d')
tvar = tf.trainable_variables()
tvar_name = [x.name for x in tvar]
print(tvar)
print(tvar_name)

执行结果：

[<tf.Variable 'a:0' shape=(5, 2) dtype=float32_ref>, <tf.Variable 'd:0' shape=(3, 3) dtype=float32_ref>]
['a:0', 'd:0']

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.9

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。它提供了一个灵活的平台,用于构建和训练各种机器学习模型