演示get_variable和Variable的区别

一 实例

分别使用Variable定义变量和使用get_variable来定义变量

二 代码

import tensorflow as tf
tf.reset_default_graph()
var1 = tf.Variable(1.0 , name='firstvar')
print ("var1:",var1.name)
var1 = tf.Variable(2.0 , name='firstvar')
print ("var1:",var1.name)
var2 = tf.Variable(3.0 )
print ("var2:",var2.name)
var2 = tf.Variable(4.0 )
print ("var1:",var2.name)
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print("var1=",var1.eval())
    print("var2=",var2.eval())
get_var1 = tf.get_variable("firstvar",[1], initializer=tf.constant_initializer(0.3))
print ("get_var1:",get_var1.name)
#get_var1 = tf.get_variable("firstvar",[1], initializer=tf.constant_initializer(0.4))
#print ("get_var1:",get_var1.name)
get_var1 = tf.get_variable("firstvar1",[1], initializer=tf.constant_initializer(0.4))
print ("get_var1:",get_var1.name)
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print("get_var1=",get_var1.eval())

三 运行结果

var1: firstvar:0

var1: firstvar_1:0

var2: Variable:0

var1: Variable_1:0

var1= 2.0

var2= 4.0

get_var1: firstvar_2:0

get_var1: firstvar1:0

get_var1= [ 0.40000001]

四 说明

1 代码定义了两次var1，可以看到在内存中生成了两个var1（因为他们的name不一样），对于图来讲后面的var1是生效的（var1=2.0）。

2 var2表明了：Variable定义时没有指定名字，系统会自动给出一个名字Variable。

3 get_var1的name不能重复，这里第一次name是firstvar，第二次是firstvar1，如果第二次也用firstvar，程序会报错。同样新的get_var1会在图中生效，所有输出的是0.4，而不是0.3。