Tensorflow变量作用域tf.variable_scope()

最新推荐文章于 2021-02-25 14:54:04 发布

原创

最新推荐文章于 2021-02-25 14:54:04 发布 · 1.3k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow 变量作用域

本文详细介绍了TensorFlow中变量作用域tf.variable_scope的使用，包括如何通过tf.get_variable和tf.Variable创建变量，以及变量作用域的共享机制。通过示例展示了如何在不同作用域下复用和不复用变量，强调了reuse参数的重要性。同时，对比了tf.name_scope对变量和操作的影响，指出其只对tf.Variable()操作有效。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

开始之前先了解一下Tensorflow的变量，有两种方式创建变量
1）tf.get_variable(name, shape, initializer)：获取已有变量，如果不存在，就创建一个
name: 变量的名字
shape: 变量的形状/维度
initializer: 变量的初始化方式，初始化方式有以下几种

tf.constant_initializer：常量初始化函数 tf.random_normal_initializer：正态分布
tf.truncated_normal_initializer：截取的正态分布
tf.random_uniform_initializer：均匀分布 tf.zeros_initializer：全部是0
tf.ones_initializer：全是1
tf.uniform_unit_scaling_initializer：满足均匀分布，但不影响输出数量级的随机值

该函数的使用：正常来讲，不同的变量不能有相同的名字，所以为了实现变量共享，tensorflow使用tf.get_variable联合tf.variable_scope以及reuse共同实现。

2）tf.Variable(initializer,name)
initializer：初始化值
name：可自定义的变量名称
生成一个初始值为initial-value的变量。必须指定初始化值

tf.variable_scope的使用
with tf.variable_scope(“one”):
v1 = tf.get_variable(“v”, [1])
with tf.variable_scope(“one”, reuse = True):
v2 = tf.get_variable(“v”, [1])
assert v1 == v2 #如果没有reuse= true会报错