tf.GraphKeys，tf.add_to_collection() 与 tf.get_collection()

tf.get_collection(
    key,
    scope=None
)
##参数：key：集合的关键字/名称，比如GraphKey类中包含来许多标准的集合的name
##     scope：(可选填)。如果scope != None,那么需要对输出元素进行筛选（re,match），
##            在返回的列表中，仅包含那些name属性与scope相匹配的元素。
##                         没有name属性的元素永远不会被输出。
##            re.match:以scope作为前缀对item进行筛选
##返回：在由key指定的collection中的元素，经过scope的re.match筛选后的元素，组成的列表。
##     列表中元素的顺序与在集合中的顺序相同

tf.add_to_collection('losses',regularizer(var_weights)):将数值regularizer(var_weights)添加到集合‘losses’中

tf.get_collection('losses'):获取集合“losses”中的所有元素，生成一个列表并返回该列表

tf.add_n( [ list ] ): 求list中元素的累加和，列表里的元素可以是向量，矩阵等

tf.GraphKeys：通过key值快速获取对应张量的集合。每个变量/张量在定义的时候都会自动携带一个key值，tf.GraphKeys可以通过不同的key值来快捷地生成对应的变量/张量的集合

集合名称	集合内容	使用场景
tf.GraphKeys.VARIABLES	所有变量	持久化TensorFlow模型
tf.GraphKeys.TRAINABLE_VARIABLES	可学习变量（一般指神经网络中的参数）	模型训练、生成模型可视化内容
tf.GraphKeys.SUMMARIES	日志生成相关的张量	TensorFlow计算可视化
tf.GraphKeys.QUEUE_RUNNERS	处理输入的QueueRunner	输入处理
tf.GraphKeys.MOVING_AVERAGE_VARIABLES	所有计算了滑动平均值的变量	计算变量的滑动平均值

 

官方文档（英文）：https://www.tensorflow.org/versions/r1.8/api_docs/python/tf/get_collection?hl=zh-cn