tensorflow之让变量不可训练

本文通过一个简单的TensorFlow代码示例,展示了如何在指定的作用域内创建和获取变量,以及如何区分训练变量和所有变量。代码中使用了tf.get_variable函数在名为'xyz'的作用域下创建了三个变量,并通过tf.GraphKeys.TRAINABLE_VARIABLES和tf.GraphKeys.VARIABLES分别获取了训练变量和所有变量。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

import tensorflow as tf
import numpy as np

with tf.variable_scope(“xyz”) as scop:
a=tf.get_variable(“a”,shape=[2],trainable=False)
b=tf.get_variable(“b”,shape=[2])

c=tf.get_variable(“c”,shape=[2])

print(tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES,scope=“xyz”))

print(tf.GraphKeys.VARIABLES)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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