需求一:
tensorflow定义变量,tf.Variable()
v1 = tf.Variable(3,name='V2')
v2 = tf.Variable(3,name='V2')
问题:当定义相同的变量名时,系统会对name属性做更改 V2_1,当模型复杂的时候,需要构建大量的变量集,这样会导致我们对于变量管理的复杂性
方法:开发人员重新设立机制,使用get_variable建立自定义命名的变量,当新建立一个同名变量时,程序会报错。解决了每个变量都有确定命名,不涉及到系统自动命名问题。
v3 = tf.get_variable(name='V2',initializer=1.0)
需求二:
问题:变量共享,有一段代码中定义的变量需要重复使用,就像相似的卷积层被写成模块,需要经常被调用,这时引入了变量作用域的概念。创建了v1,v2 v3,v4
with tf.variable_scope('scope1',reuse=tf.AUTO_REUSE):
v1 = tf.get_variable(name='V1',initializer=1.0)
v2 = tf.get_variable(name='V2',initializer=1.0)
with tf.variable_scope('scope2',reuse=tf.AUTO_REUSE):
v3 = tf.get_variable(name='V1',initializer=1.0)
v4 = tf.get_variable(name='V2',initializer=1.0)
print(v1 is v3)
print(v2 is v4)
False
False
需求三:
问题:代码功能是一样的,用类似的方法创建了v1,v2 v3,v4,我们希望简化下,希望将
v1 = tf.get_variable(name='V1',initializer=1.0)
v2 = tf.get_variable(name='V2',initializer=1.0)写成模块
def varible():
v1 = tf.get_variable(name='V1',initializer=1.0)
v2 = tf.get_variable(name='V2',initializer=1.0)
return v1,v2
with tf.variable_scope('scope1',reuse=tf.AUTO_REUSE):
v1,v2 = varible()
with tf.variable_scope('scope2',reuse=tf.AUTO_REUSE):
v3,v4 = varible()
print(v1 is v3)
print(v2 is v4)
False
False
需求四:
问题:需求三是同一个模块,创建不同变量。我们希望同一个模块中的变量被不同的地方引用。只需要改下变量作用域,scope2改为scope1
def varible():
v1 = tf.get_variable(name='V1',initializer=1.0)
v2 = tf.get_variable(name='V2',initializer=1.0)
return v1,v2
with tf.variable_scope('scope1',reuse=tf.AUTO_REUSE):
v1,v2 = varible()
with tf.variable_scope('scope1',reuse=tf.AUTO_REUSE):
v3,v4 = varible()
print(v1 is v3)
print(v2 is v4)
True
True
注意:tensorflow变量作用域tf.variable_scope('scope1',reuse=tf.AUTO_REUSE),指定了reuse=tf.AUTO_REUSE时,变量再次使用时才不会报错