tf.Variable()与tf.get_variable()的区别

最新推荐文章于 2020-10-26 09:36:42 发布

Berlin-98

最新推荐文章于 2020-10-26 09:36:42 发布

阅读量557

点赞数

分类专栏： tensorflow

本文链接：https://blog.csdn.net/weixin_38172774/article/details/107310570

版权

关于tf.Variable()与tf.get_variable()的区别，很多博客都在罗列传入参数的不同，然后推荐使用tf.get_variable()，因为更适合复用。本人才疏学浅，看不出参数不同怎么就会影响复用。通过阅读这篇博客，加以自己的理解，阐述两者的区别和为何tf.get_variable()更适合参数复用。

tf.Variable()

对于tf.Variable()定义的变量，如x = tf.Variable(3, name="x")。当多次调用x时，系统会自动给变量编号x，x_1，x_2来解决命名冲突。例如，定义如下的加法：

def add_function():
    x = tf.Variable(3, name="x_scalar")
    y = tf.Variable(2, name="y_scalar")
    addition = tf.add(x,  y, name="add_function")
    print("=== checking Variables ===")
    print("x:", x, "\ny:", y, "\n")
    return addition

并分两次调用该函数：

result1 = add_function()
result2 = add_function()

得到的结果是：

=== checking Variables ===
x: <tf.Variable 'x_scalar:0' shape=() dtype=int32_ref> 
y: <tf.Variable 'y_scalar:0' shape=() dtype=int32_ref> 

=== checking Variables ===
x: <tf.Variable 'x_scalar_1:0' shape=() dtype=int32_ref> 
y