一、使用tf.variable函式建立變數
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)
函式功能：建立乙個新的變數，變數的值是initial_value，建立的變數會被新增到[graphkeys.global_variables]預設的計算圖列表中，如果trainable被設定為true,這個變數還會被新增到graphkeys.trainable_variables計算圖的集合中。
引數：initial_value：預設值是none，張量或者是乙個python物件可以轉成張量，這個initial_value是初始化變數的值。它必須有乙個特殊的shape，除非validate_shape設定為false。
trainable：預設的是true，變數還會被新增到graphkeys.trainable_variables計算圖集合中。
collections：變數會被新增到這個集合中，預設的集合是[graphkeys.global_variables]。
validate_shape：如果是false，允許這個變數被初始化乙個不知道shape。預設的是true，這個initial_value的shape必須是知道的。
name：變數的名字。
dypte：變數的型別，小數的預設是float32,整數預設是int32。
a = tf.variable(initial_value=[1,2,3],name="a")
init = tf.initialize_all_variables()
sess = tf.session()
sess.run(init)
print(a.eval(session=sess))
#[1 2 3]
print(a.dtype)
#
tf.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)
函式功能：根據變數的名稱來獲取變數或者建立變數。
引數：name：變數的名稱（必選）。
shape：變數的shape。
dtype：變數的資料型別。
initializer：變數的初始化值。
1、根據變數的名稱建立變數
b = tf.get_variable(name="b", initializer=[1., 2., 3.])
init = tf.initialize_all_variables()
sess = tf.session()
sess.run(init)
print(b.eval(session=sess))
#[ 1. 2. 3.]
print(b.dtype)
#
使用tf.get_variable建立變數的時候，如果不指定name,會報typeerror: get_variable() missing 1 required positional argument: 'name'
2、根據變數的名稱獲取變數
with tf.variable_scope("f"):
#初始化乙個變數名稱為c的變數
c = tf.get_variable(name="c",shape=[3],initializer=tf.constant_initializer([1,2,3]))
with tf.variable_scope("f",reuse=true):
d = tf.get_variable(name="c",shape=[3])
sess = tf.session()
init = tf.initialize_all_variables()
sess.run(init)
print(d.eval(session=sess))
#[ 1. 2. 3.]
print(c.eval(session=sess))
#[ 1. 2. 3.]
print(d == c)
#true
三、tf.variable_scope的巢狀
with tf.variable_scope("a"):#預設是false
#檢視上下文管理器中的reuse的值
print(tf.get_variable_scope().reuse) #false
with tf.variable_scope("b",reuse=true):
print(tf.get_variable_scope().reuse) #true
#如果reuse是預設的則保持和上一層的reuse值一樣
with tf.variable_scope("c"):
print(tf.get_variable_scope().reuse) #true
print(tf.get_variable_scope().reuse) #false
#沒有上下文管理器
a = tf.get_variable(name="a",shape=[2],initializer=tf.constant_initializer([1,2]))
print(a.name) #a:0,a就是變數名
#宣告上下文管理器
with tf.variable_scope("f"):
b = tf.get_variable(name="b",shape=[2],initializer=tf.constant_initializer([1,2]))
print(b.name) #f/b:0,f代表的是上下文管理器的名稱，b代表的是變數的名稱
#巢狀上下文管理器
with tf.variable_scope("g"):
c = tf.get_variable(name="c",shape=[2],initializer=tf.constant_initializer([1,2]))
print(c.name)#f/g/c:0
#通過帶上下文管理器名稱和變數名來獲取變數
with tf.variable_scope("",reuse=true):
d = tf.get_variable(name="f/b")
print(d == b) #true
e = tf.get_variable(name="f/g/c")
print(e == c) #true
tensorflow變數建立與初始化
import tensorflow as tf v tf.get variable v shape 1 initializer tf.constant initializer 1.0 或者 v tf.variable tf.constant 1.0,shape 1 name v 上述兩種變數建立的區...
使用TensorFlow建立第變數定義和執行方式
import tensorflow as tf 熟悉tensorflow的變數定義和執行方式 v1 tf.variable 2 定義變數並給變數賦值 v2 tf.variable 48 c1 tf.constant 16 定義常量並賦值 c2 tf.constant 3 addv v1 v2 ses...
tensorflow 共享變數
import tensorflow as tf 設定隨機種子，使得每次隨機初始化都一樣 tf.set random seed 1234 這是我們要共享的變數函式 def share variable input weight tf.get variable weight 2,2 return wei...