Tensorflow共享变量

最新推荐文章于 2020-11-02 12:08:26 发布

ljz2016

最新推荐文章于 2020-11-02 12:08:26 发布

阅读量622

点赞数

分类专栏：深度学习

本文链接：https://blog.youkuaiyun.com/ljz2016/article/details/90549450

版权

深度学习专栏收录该内容

36 篇文章

订阅专栏

博客介绍了TensorFlow中变量声明和作用域的使用。使用Variable声明变量，同名变量name后会自动加_1，初始值在session初始化后生效；get_variable()可创建变量，但同一scope中不能有同名变量。还提到用作用域的reuse参数共享变量，以及tf.name_scope()限制操作符作用域。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

使用Variable声明变量，同名变量的name后会自动加_1，可以赋初始值，但是需要在session初始化后才会生效。

import tensorflow as tf

var1 = tf.Variable(1.0,name='firstVar')
print("var1:",var1.name)

var1 = tf.Variable(2.0,name='firstVar')
print("var1:",var1.name)

var2 = tf.Variable(3.0)
print("var2:",var2.name)

var2 = tf.Variable(4.0)
print("var2:",var2.name)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print("var1=",var1.eval())
    print("var2=",var2.eval())

运行结果：

var1: firstVar:0
var1: firstVar_1:0
var2: Variable:0
var2: Variable_1:0
var1= 2.0
var2= 4.0

使用get_variable()也可以创建变量，但是不能生成两个name相同的变量（在同一scope中），

getVar1 = tf.get_variable("firstVar",[1],initializer=tf.constant_initializer(0.3))
print("getVar:",getVar1.name)
getVar1 = tf.get_variable("firstVar1",[1],initializer=tf.constant_initializer(0.4))
print("getVar:",getVar1.name)

声明不同scope的变量：

with tf.variable_scope("t1"):
    getVar1 = tf.get_variable("firstVar",[1],initializer=tf.constant_initializer(0.3))
print("getVar:",getVar1.name)
with tf.variable_scope("t2"):
    getVar1 = tf.get_variable("firstVar",[1],initializer=tf.constant_initializer(0.4))
print("getVar:",getVar1.name)

getVar: t1/firstVar:0
getVar: t2/firstVar:0

使用作用域的reuse参数实现共享变量的功能，因为加了reuse所以这里获取的变量必须是已经创建过的，否则会报错。

with tf.variable_scope("t1",reuse=True):
    get1=getVar1 = tf.get_variable("firstVar", [1], initializer=tf.constant_initializer(0.3))
    print(get1)  # t1/firstVar:0

auto_reuse在第一调用这个作用域是传入false，第二次为true；也就是说如果变量没有被创建过，则会帮你创建，创建过的话就不创建。
with tf.variable_scope("t1",reuse=tf.AUTO_REUSE):
    get1 = tf.get_variable("firstVar", [1], initializer=tf.constant_initializer(0.3))
    print(get1.name)

tf.name_scope（）可以限制操作符的作用域，空字符串可以把作用域扩大到顶层。

with tf.variable_scope("scope",reuse=tf.AUTO_REUSE) as sp:
    get1 = tf.get_variable("firstVar", [1], initializer=tf.constant_initializer(0.3))
    print(get1.name)
    with tf.name_scope("bar"):
        v = tf.get_variable("v",[1])
        x = 10+v
        with tf.name_scope(""):
            y = 10+v


with tf.variable_scope("scope2"):
    var2 = tf.get_variable("V",[1])
    with tf.variable_scope(sp) as sp1:
        var3 = tf.get_variable("V3",[1])
        with tf.variable_scope(""):
            var4 = tf.get_variable("v4",[1])

print("var4:",var4.name)
print("y:",y.op.name)