tf.get_variable

原文

tf.get_variable(name,  shape, initializer): name就是变量的名称，shape是变量的维度，initializer是变量初始化的方式，初始化的方式有以下几种：

tf.constant_initializer：常量初始化函数

tf.random_normal_initializer：正态分布

tf.truncated_normal_initializer：截取的正态分布

tf.random_uniform_initializer：均匀分布

tf.zeros_initializer：全部是0

tf.ones_initializer：全是1

tf.uniform_unit_scaling_initializer：满足均匀分布，但不影响输出数量级的随机值

例如：

[python]  view plain  copy

1. import tensorflow as tf;    
2. import numpy as np;    
3. import matplotlib.pyplot as plt;    
4.     
5. a1 = tf.get_variable(name='a1', shape=[2,3], initializer=tf.random_normal_initializer(mean=0, stddev=1))  
6. a2 = tf.get_variable(name='a2', shape=[1], initializer=tf.constant_initializer(1))  
7. a3 = tf.get_variable(name='a3', shape=[2,3], initializer=tf.ones_initializer())  
8.   
9. with tf.Session() as sess:  
10.     sess.run(tf.initialize_all_variables())  
11.     print sess.run(a1)  
12.     print sess.run(a2)  
13.     print sess.run(a3)  

输出：

[[ 0.42299312 -0.25459203 -0.88605702]
 [ 0.22410156  1.34326422 -0.39722782]]
[ 1.]
[[ 1.  1.  1.]
 [ 1.  1.  1.]]

注意：不同的变量之间不能有相同的名字，除非你定义了variable_scope，这样才可以有相同的名字。