Tensorflow中tf.Variable()和tf.get_variable()的区别与关系

最新推荐文章于 2025-06-02 09:05:43 发布

拼命先生A

最新推荐文章于 2025-06-02 09:05:43 发布

阅读量1.9k

点赞数 4

CC 4.0 BY-SA版权

分类专栏： TensorFlow

本文链接：https://blog.youkuaiyun.com/kevindree/article/details/86936476

本文介绍了TensorFlow中tf.Variable()和tf.get_variable()的区别。tf.Variable()会根据name自动创建新变量，而tf.get_variable()在未指定变量作用域时遇到重复name会报错。在变量作用域variable_scope下，tf.Variable()依然会创建新变量，但tf.get_variable()会实现变量共享。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

从两个方法的名称上，可以简单理解一下，Variable是定义变量，而get_variable是获取变量（只不过如果获取不到就重新定义一个变量），如果按照这种逻辑，已经基本上可以理解两者的差异了。

下面我们通过一些代码，来更深入理解一下两者的差异和各自的特点

先看下面这段代码（最好先不要看下面注释中的输出结果，先自己思考一下会是什么结果）

import tensorflow as tf

v1 = tf.Variable(1,name="V1")                     # 第1句话
v2 = tf.Variable(2,name="V1")                     # 第2句话
v3 = tf.Variable(3,name="V1")                     # 第3句话
v4 = tf.Variable(4,name="V1_1")                   # 第4句话

print ("v1:",v1.name)
print ("v2:",v2.name)
print ("v3:",v3.name)
print ("v4:",v4.name)

v1 = tf.Variable(1,name="V1")                     # 第5句话
print ("v1:",v1.name)


### 输出结果为 ###
# v1: V1:0
# v2: V1_1:0
# v3: V1_2:0
# v4: V1_1_1:0
# v1: V1_3:0

这段代码表明，定义一个变量并传入参数name，如果name取值相同，则系统会自动在上一个传入的name后面加上"_n"，n从1开始顺序增加。

比如上面的第2句话和第3句话，就是因为定义变量时传入的参数name和第1句话的name取值相同（V1），因此在"V1"的基础上分别加上了"_1"和"_2"。也就是说，虽然在定义变量时，指定了相同的变量name，但是系统会创建一个新的内存空间，并自动生成一个新的name。

上面第4句话传入的参数name