Tensorflow中的变量管理

砍柴人Ryan

于 2020-06-28 13:38:50 发布

阅读量159

点赞数

分类专栏： Tensorflow 文章标签： tensorflow

本文链接：https://blog.csdn.net/No_one_z/article/details/106996912

版权

本文介绍了TensorFlow中变量管理的核心机制，重点讲解了tf.get_variable和tf.variable_scope的作用。tf.get_variable用于创建或获取变量，其名称参数是必需的，而tf.Variable则允许可选的名称参数。通过tf.variable_scope可以控制变量的复用和命名空间，当reuse参数为True时，获取已存在的变量，否则创建新变量。tf.variable_scope的嵌套和命名空间管理也是其重要特性。

摘要由CSDN通过智能技术生成

TensorFlow中通过变量名称获取变量的机制主要是通过tf.get_variable和tf.variable_scope函数来实现

tf.Variable函数是用来创建一个变量的，而tf.get_variable函数可以创建或者获取变量。当tf.get_variable函数用于创建变量时，他和tf.Variable的功能是等价的。

#下面两个定义是等价的
v = tf.get_variable("v", shape=[1], initializer=tf.constant_initializer(1.0))
v = tf.Variable(tf.constant(1.0, shape=[1]), name="v")

tf.get_variable函数调用时提供的维度（shape）信息以及初始化（initializer）的参数和tf.Variable函数调用时提供的初始化过程中的参数类似。TensorFlow中提供的initializer函数和之前介绍的随机数以及敞亮生成函数大部分是一一对应的。TensorFlow中提供了7种不同的初始化函数，如下表

TensorFlow中的变量初始化函数
初始化函数	功能	主要参数
tf.constant_initializer	将变量初始化为给定常量	常量的取值
tf.random_normal_initializer	将变量初始化为满足正态分布份随机值	正态分布的均值和标准值
tf.truncated_normal_initializ