彻底弄懂tf.Variable、tf.get_variable、tf.variable_scope以及tf.name_scope异同

最新推荐文章于 2021-01-28 15:14:02 发布
最新推荐文章于 2021-01-28 15:14:02 发布
阅读量8k 收藏 77
点赞数 16
CC 4.0 BY-SA版权
分类专栏： tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_22522663/article/details/78729029
我之前有转载过一篇讲tf.variable_scope和tf.name_scope的文章，今天一看，觉得还是没介绍太清楚，没讲到点子上，毕竟英文什么的看起来还是挺麻烦的。故而，今天来细细梳理下tf.Variable、tf.get_variable、tf.variable_scope以及tf.name_scope四者之间的区别与联系。

1. tf.Variable与tf.get_variable

tensorflow提供了通过变量名称来创建或者获取一个变量的机制。通过这个机制，在不同的函数中可以直接通过变量的名字来使用变量，而不需要将变量通过参数的形式到处传递。
TensorFlow中通过变量名获取变量的机制主要是通过tf.get_variable和tf.variable_scope实现的。
当然，变量也可以通过tf.Varivale来创建。当tf.get_variable用于变量创建时，和tf.Variable的功能基本等价。

#以下两个定义是等价的
v = tf.get_variable('v', shape=[1], initializer=tf.constant_initializer(
最低0.47元/天 解锁文章

200万优质内容无限畅学
Tensorflow中tf.Variable()和tf.get_variable()的区别与关系
拼命先生的AI之旅
02-10 1961
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 v...
tensorflow实现基于LSTM的文本分类方法
luchi007的专栏
11-25 5万+
使用tensor flow实验基于LSTM 的文本分类方法
tensorflow创建变量以及根据名称查找变量
大柠檬的博客
11-28 626
原文来源于：https://www.jb51.net/article/136172.htm 声明变量主要有两种方法：tf.Variable和 tf.get_variable，二者的最大区别是： (1) tf.Variable是一个类，自带很多属性函数；而 tf.get_variable是一个函数; (2) tf.Variable只能生成独一无二的变量，即如果给出的name已经存在，则会自动修改生成...
Tensorflow学习笔记——tf.Variable()和tf.get_variable()
Vic_Hao的博客
03-17 339
tf.Variable() tf.Variable是一个Variable类 通过variable维持图graph的状态，以便在sess.run()中执行，可以用Variable类创建一个实例在图中增加变量 tf.Variable( initial_value=None, trainable=True, collections=None, validate_shape=True, caching_...
MySQL变量知识点及使用示例
vampire_Violet的博客
10-26 1万+
MySQL变量主要分为两种：系统变量和自定义变量。 API MySQL官方API 1.系统变量： 系统变量包括：全局变量和会话变量。 全局变量 会话变量 全局变量影响服务器整体操作。 会话变量影响具体客户端连接的操作。 全局变量是由系统提供的。当服务器启动时，它将所有全局变量初始化为默认值。这些默认值可以在选项文件中或在命令行中指定的选项进行更改。服务器启动后，通过连接服务器并执行SET GLOBAL var_name语句，可以动态更改这些全局变量。要想更改全局变量，必须具有SU.
tf.variable、tf.get_variable 中的trainable以及两者区别
yanhx1204的专栏
12-19 3631
tf.Variable是一个Variable类 通过变量维持图graph的状态，以便在sess.run()中执行；可以用Variable类创建一个实例在图中增加变量； Args:   initial_value：Tensor或可转换为Tensor的Python对象，它是Variable的初始值。除非validate_shape设置为False，否则初始值必须具有指定的形状。也可以是一个可调用...
def _conv_linear(args, filter_size, num_features, bias, bias_start=0.0, scope=None): dtype = [a.dtype for a in args][0] with slim.arg_scope([slim.conv2d], stride=1, padding='SAME', activation_fn=None, scope=scope, weights_initializer=tf.truncated_normal_initializer(mean=0.0, stddev=1.0e-3), biases_initializer=bias and tf.constant_initializer(bias_start, dtype=dtype)): if len(args) == 1: res = slim.conv2d(args[0], num_features, [filter_size[0], filter_size[1]], scope='LSTM_conv') else: res = slim.conv2d(tf.concat(args, 3), num_features, [filter_size[0], filter_size[1]], scope='LSTM_conv') return res 详细解释一下这个代码的实现原理
最新发布
03-21
kernel = tf.get_variable('kernel', shape=[filter_size[0], filter_size[1], combined.shape[-1], num_features], initializer=tf.truncated_normal_initializer(stddev=1e-3)) conv = tf.nn.conv...
Task7 卷积神经网络
yanyiting666的博客
03-14 1356
目录 1.定义 1.1 卷积运算的定义 1.2 动机（稀疏权重、参数共享、等变表示） 1.2.1 稀疏连接 1.2.2 参数共享 1.2.3 等变表示 1.3 一维卷积运算和二维卷积运算 1.3.1 一维卷积 1.3.2 多维卷积 2. 反卷积(tf.nn.conv2d_transpose) 2.1 卷积 2.2反卷积（后卷积，转置卷积） 2.3 代码实现 3...
tensorflow学习笔记（1）：tensorflow基础与介绍
submarineas的博客
06-25 1347
引言 tensorflow介绍 TensorFlow是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。 TensorFlow 是Google第二代大规模分布式深度学习框架。 灵活通用的深度学习库 端云结合的人工智能引擎 高性能的基础平台软件 跨平台的机器学习系统 说明 numpy tensorflow 构造数组 a = np.z...
TF：tensorflow框架中常用函数介绍以及RNN中的常用的两种定义—tf.Variable()和tf.get_variable()用法及其区别
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
04-11 5823
​ TF：tensorflow框架中常用函数介绍以及RNN中的常用的两种定义—tf.Variable()和tf.get_variable()用法及其区别 目录 TF的RNN中的常用的两种定义scope的方式get_variable和Variable tensorflow框架 TF的RNN中的常用的两种定义scope的方式get_variable和Variable 输出结果 代码设计 # tensorflow中的两种定义scope(命名变量)的方式tf.get_variable和tf.Va
Tensorflow tf.Variable()和tf.get_variable()详解
Mute4ll 's Blog
07-07 606
一、tf.Variable() （1）参数说明 tf.Variable是一个Variable类。通过变量维持图graph的状态，以便在sess.run()中执行；可以用Variable类创建一个实例在图中增加变量； Args参数说明: initial_value：Tensor或可转换为Tensor的Python对象，它是Variable的初始值。除非validate_shape设置为False，否则初始值必须具有指定的形状。也可以是一个可调用的，没有参数，在调用时返回初始值。在这种情况下，必须指定dt
tf.Variable和tf.get_variable的区别
Deep Learning and NLP Farm
07-09 362
https://blog.csdn.net/js54100804/article/details/80463520
tensorflow tf.Variable()和tf.get_variable()详解
Fan9_的博客
07-26 5万+
一、tf.Variable() （1）参数说明 tf.Variable是一个Variable类。通过变量维持图graph的状态，以便在sess.run()中执行；可以用Variable类创建一个实例在图中增加变量； Args参数说明: initial_value：Tensor或可转换为Tensor的Python对象，它是Variable的初始值。除非validate_shape设置为Fal...
tf.Variable
weixin_33883178的博客
05-29 149
import tensorflow as tftf.reset_default_graph()v1 = tf.Variable(tf.constant(1.0, shape=[1]), name="v1")v2 = tf.Variable(tf.constant(2.0), name="v2")v3 = tf.Variable(2.0, name="v3")result1 = v1 + v2res...
tf.Variable()函数
Thomas会写字
01-28 7685
tf.Variable(initializer,name),参数initializer是初始化参数，name是可自定义的变量名称，用法如下： import tensorflow as tf v1=tf.Variable(tf.random_normal(shape=[4,3],mean=0,stddev=1),name='v1') v2=tf.Variable(tf.constant(2),name='v2') v3=tf.Variable(tf.ones([4,3]),name='v3') with
Tensorflow函数：tf.Variable()
abbott_zb的博客
10-10 1223
一. 函数的作用 该函数的主要功能是声明一个变量，用于生成一个初始值为initial-value的变量，必须指定初始化值！！ (与tf.get_variable()的区别详见其他博客) 二. 函数的参数说明 1. 函数的整体结构如下： tf.Variable(initial_value, trainable, collections, validate_shape, caching_de...
[472]tf.Variable()函数
热门推荐
周小董
12-30 7万+
tf.Variable(initializer,name),参数initializer是初始化参数，name是可自定义的变量名称，用法如下： import tensorflow as tf v1=tf.Variable(tf.random_normal(shape=[4,3],mean=0,stddev=1),name='v1') v2=tf.Variable(tf.constant(2),na...
tf.variable_scope
06-09
`tf.variable_scope` 是 TensorFlow 的一个函数，用于管理变量的命名空间。它可以用来创建和共享变量，并控制变量命名的规则和作用域。使用 `tf.variable_scope` 可以避免变量名冲突的问题，也可以方便地查看和管理变量。 在 TensorFlow 中，变量是我们需要训练的模型参数，`tf.variable_scope` 可以让我们对这些变量进行管理。例如，我们可以使用 `tf.variable_scope` 来给变量命名，如： ``` with tf.variable_scope('my_variable_scope'): weights = tf.get_variable('weights', [784, 256], initializer=tf.random_normal_initializer()) ``` 这里，我们使用 `tf.get_variable` 创建了一个名为 `weights` 的变量，并将其放在了一个名为 `my_variable_scope` 的命名空间中。这样，在后续的代码中，我们就可以通过 `tf.variable_scope` 和 `tf.get_variable` 来方便地获取这个变量，而不用担心变量名冲突的问题。 除了命名空间的管理，`tf.variable_scope` 还可以控制变量的共享。例如，我们可以使用 `reuse` 参数来共享变量： ``` with tf.variable_scope('my_variable_scope'): weights1 = tf.get_variable('weights', [784, 256], initializer=tf.random_normal_initializer()) with tf.variable_scope('my_variable_scope', reuse=True): weights2 = tf.get_variable('weights') ``` 这里，在第一个 `with` 块中，我们创建了一个名为 `weights` 的变量。在第二个 `with` 块中，我们通过将 `reuse` 参数设置为 `True` 来告诉 TensorFlow 我们要共享变量。然后，我们再次调用 `tf.get_variable('weights')` 来获取这个变量，这次 TensorFlow 将返回之前创建的那个变量，而不是创建一个新的变量。这样，我们就可以方便地在不同的代码块中共享变量了。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值