TensorFlow函数 tf.get_variable() 和 tf.Variable()以及TensorFlow卷积函数tf.nn.conv2d()

tf.Variable(<initial - value>，name=<optional - name>)

函数目的：

1. 用于定义图变量。
2. 生成一个初始值为initial - value的变量。

tf.get_variable(name，shape，dtype，initializer,trainable)

函数目的：

1. 用于定义图变量。
2. 获取已经存在的变量，如果不存在，就新建一个

函数参数：

1. name：名称
2. shape：数据形状。
3. dtype：数据类型。常用的tf.float32，tf.float64等数值类型
4. initializer：初始化值。可以使用各种初始化方法
5. trainable:是否训练变量。bool类型：True训练，False不训练

tf.get_variable（）相对于tf.Variable(）的优点：

方便共享变量，

必须和reuse和tf.variable_scope()配合使用

TensorFlow卷积函数tf.nn.conv2d

tf.nn.conv2d(input , filter , strides ,  padding , use_cudnn_nn_GPU = True , data_format = 'NHWC' , dialations = [1,1,1,1] , name =None，）

Returns:

A Tensor.

参数：

• input：

1. 功能：输入卷积的图像（tensor）；
2. 具有四维shape[batch, in_height, in_width, in_channels]:分别为图片数量，图片高度，图片宽度，图片通道数；
3. 数据类型：float32或float64.

• filter：

1. 功能：相当于CNN中卷积核，是一个tensor；
2. 具有四维shape[filter_height, filter_width, in_channels, out_channels]:分别为滤波器高度，宽度，图像通道数，滤波器个数.
3. 数据类型：float32或float64.

• strides:

1. 功能：卷积在每一维度的步长；一般为一维向量，长度为‘4’：[1， stride， stride，1].

• padding:

1. 功能：定义元素边框和元素内容之间的空间；只能是‘same‘或’valid‘类型

• Return：返回值是tensor

    with tf.variable_scope('conv1') as scope:
        # 建立weights和biases的共享变量
        # conv1, shape = [kernel size, kernel size, channels, kernel numbers]
        weights = tf.get_variable('weights',
                                  shape=[3, 3, 3, 16],
                                  dtype=tf.float32,
                                  initializer=tf.truncated_normal_initializer(stddev=0.1, dtype=tf.float32))
        biases = tf.get_variable('biases',
                                 shape=[16],
                                 dtype=tf.float32,
                                 initializer=tf.constant_initializer(0.1))
        conv = tf.nn.conv2d(images,
                            weights,
                            strides=[1, 1, 1, 1],
                            padding='SAME')
        pre_activation = tf.nn.bias_add(conv, biases)  # 加入偏差
        conv1 = tf.nn.relu(pre_activation, name=scope.name)  # 加上激活函数非线性化处理，且是在conv1的命名空间

原文：https://www.jianshu.com/p/c72af2ff5393