Tensorflow学习笔记——tf.Variable()和tf.get_variable()

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_device=None,
name=None,
variable_def=None,
dtype=None,
expected_shape=None,
import_scope=None
)

• 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，没有参数，在调用时返回初始值。在这种情况下，必须指定dtype。
• name
  变量的可选名称。默认为“Variable”并自动获取。
• dtype
  如果设置，则initial_value将转换为给定类型。如果为None，则保留数据类型（如果initial_value是Tensor），或者convert_to_tensor将决定。
• collection
  一个图graph集合列表的关键字。新变量将添加到这个集合中。默认为[GraphKeys.GLOBAL_VARIABLES]。也可自己指定其他的集合列表

一般常用的参数包括初始化值和名称（是该变量的唯一索引）
在使用变量之前必须要进行初始化

tf.get_variable

获取一个已经存在的变量或者创建一个新的变量

get_variable(
	name,
	shape=None,
	dtype=None,
	initializer=None,
	regularizer=None,
	trainable=True,
	collections=None,
	caching_device=None,
	partitioner=None,
	validate_shape=True,
	use_resource=None,
	custom_getter=None,
	constraint=None
)

• name
  新变量或现有变量的名称
• shape
  新变量或现有变量的形状
• dtype
  新变量或现有变量的类型
• initializer
  如果创建了则用它初始化变量
• collection
  一个图graph集合列表的关键字。新变量将添加到这个集合中。默认为[GraphKeys.GLOBAL_VARIABLES]。也可自己指定其他的集合列表

区别

1. 使用tf.Variable时，如果检测到命名冲突，系统会自己处理。使用tf.get_variable()时，系统不会处理冲突，而会报错。
2. 基于这两个函数的特性，当我们需要共享变量的时候，需要使用tf.get_variable()。在其它两种情况下，这两个的用法是一样的。

Reference:
https://blog.youkuaiyun.com/MrR1ght/article/details/81228087
https://www.jianshu.com/p/2061b221cd8f?utm_campaign=maleskine&utm_content=note&utm_medium=seo_notes&utm_source=recommendation