tensorflow—共享变量

最新推荐文章于 2019-04-19 16:14:02 发布

MCMAXMM

最新推荐文章于 2019-04-19 16:14:02 发布

阅读量163

点赞数

CC 4.0 BY-SA版权

分类专栏： tensorflow 文章标签：共享变量

本文链接：https://blog.youkuaiyun.com/u_say2what/article/details/84671376

tensorflow 专栏收录该内容

4 篇文章

订阅专栏

本文通过实例演示了在TensorFlow中如何实现变量的共享。首先设置了随机种子确保实验的可复现性，然后定义了一个共享变量函数并在不同作用域下调用该函数，通过设置reuse参数来控制是否共享变量。实验结果显示，在同一作用域下且reuse为True时，变量会被共享。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import tensorflow as tf
#设定随机种子，使得每次随机初始化都一样
tf.set_random_seed(1234)
#这是我们要共享的变量函数
def share_variable(input):
    weight=tf.get_variable("weight",[2,2])
    return weight
#定义一个输入
input=tf.get_variable("input",[3,2])
#第一次使用
with tf.variable_scope("hello"):
    weight1=share_variable(input)
#第二次使用，但是没有reuse参数，而是rebuild参数
with tf.variable_scope("nohello"):
    weight2=share_variable(input)
#第三次使用，设定reuse=True，使用第一次使用的参数
with tf.variable_scope("hello",reuse=True):
    weight3 = share_variable(input)
with tf.Session() as sess:
    #初始化变量
    initia=tf.global_variables_initializer()
    sess.run(initia)

    print(sess.run(weight1))
    #第一次的参数输出结果：
    #[[ 0.8520416  -0.92069757]
     #[ 1.0747026   0.05705893]]

    print(sess.run(weight2))
    #第二次参数输出结果：    
    #[[-0.20162821  0.6593205 ]
     #[ 0.22376633 -1.188595  ]]
 
    print(sess.run(weight3))
    #第三次参数输出结果：
    #[[ 0.8520416  -0.92069757]
     #[ 1.0747026   0.05705893]]
    #我们可以看到第三次和第一次的参数是一样的