TF之RNN：TF的RNN中的常用的两种定义scope的方式get_variable和Variable

TF之RNN：TF的RNN中的常用的两种定义scope的方式get_variable和Variable

目录

输出结果

代码设计

输出结果

代码设计

  

   

    

     

    
    

     

      # tensorflow中的两种定义scope(命名变量)的方式tf.get_variable和tf.Variable。Tensorflow当中有两种途径生成变量 variable
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      import tensorflow as tf
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #T1法 tf.name_scope()
     
    
   

    

     

    
    

     

      with tf.name_scope("a_name_scope"):
     
    
   

    

     

    
    

     

       initializer = tf.constant_initializer(value=1)  #定义常量
     
    
   

    

     

    
    

     

       var1 = tf.get_variable(name='var1', shape=[1], dtype=tf.float32, initializer=initializer)  #创建变量
     
    
   

    

     

    
    

     

       var2 = tf.Variable(name='var2', initial_value=[2], dtype=tf.float32)
     
    
   

    

     

    
    

     

       var21 = tf.Variable(name='var2', initial_value=[2.1], dtype=tf.float32)
     
    
   

    

     

    
    

     

       var22 = tf.Variable(name='var2', initial_value=[2.2], dtype=tf.float32)
     
    
   

    

     

    
    

     

      with tf.Session() as sess:
     
    
   

    

     

    
    

     

       sess.run(tf.global_variables_initializer())
     
    
   

    

     

    
    

     
 #以下打印出每一种Variable的名字及其值
     
    
   

    

     

    
    

     

       print(var1.name) # var1:0
     
    
   

    

     

    
    

     

       print(sess.run(var1))   # [ 1.]
     
    
   

    

     

    
    

     

       print(var2.name) # a_name_scope/var2:0
     
    
   

    

     

    
    

     

       print(sess.run(var2))   # [ 2.]
     
    
   

    

     

    
    

     

       print(var21.name) # a_name_scope/var2_1:0
     
    
   

    

     

    
    

     

       print(sess.run(var21))  # [ 2.0999999]
     
    
   

    

     

    
    

     

       print(var22.name) # a_name_scope/var2_2:0
     
    
   

    

     

    
    

     

       print(sess.run(var22))  # [ 2.20000005]
     
    
   

    

     

    
    

     

      #使用 tf.Variable()定义的时候, 虽然 name都一样, 但是为了不重复变量名, Tensorflow输出的变量名并不是一样的. 
     
    
   

    

     

    
    

     

      #所以, 本质上 var2, var21, var22 并不是一样的变量.
     
    
   

    

     

    
    

     

      #而另一方面, 使用tf.get_variable()定义的变量不会被tf.name_scope()当中的名字所影响.
     
    
   

    

     

    
    

     
 
     
    
  
 

  

   

    

     

    
    

     

      print('以下输出的是T2第二种方法') 
     
    
   

    

     

    
    

     

      #T2法 tf.variable_scope()
     
    
   

    

     

    
    

     

      #如果想要达到重复利用变量的效果, 我们就要使用 tf.variable_scope(), 并搭配 tf.get_variable() 这种方式产生和提取变量. 
     
    
   

    

     

    
    

     

      #不像 tf.Variable() 每次都会产生新的变量, tf.get_variable() 如果遇到了同样名字的变量时, 
     
    
   

    

     

    
    

     

      #它会单纯的提取这个同样名字的变量(避免产生新变量). 而在重复使用的时候, 一定要在代码中强调 scope.reuse_variables(), 
     
    
   

    

     

    
    

     

      #否则系统将会报错, 以为你只是单纯的不小心重复使用到了一个变量.
     
    
   

    

     

    
    

     

      with tf.variable_scope("a_variable_scope") as scope:
     
    
   

    

     

    
    

     

       initializer = tf.constant_initializer(value=3)
     
    
   

    

     

    
    

     

       var3 = tf.get_variable(name='var3', shape=[1], dtype=tf.float32, initializer=initializer)
     
    
   

    

     

    
    

     

       scope.reuse_variables()
     
    
   

    

     

    
    

     

       var3_reuse = tf.get_variable(name='var3',)
     
    
   

    

     

    
    

     

       var4 = tf.Variable(name='var4', initial_value=[4], dtype=tf.float32)
     
    
   

    

     

    
    

     

       var4_reuse = tf.Variable(name='var4', initial_value=[4], dtype=tf.float32)
     
    
   

    

     

    
    

     

      with tf.Session() as sess:
     
    
   

    

     

    
    

     

       sess.run(tf.global_variables_initializer())
     
    
   

    

     

    
    

     

       print(var3.name) # a_variable_scope/var3:0
     
    
   

    

     

    
    

     

       print(sess.run(var3)) # [ 3.]
     
    
   

    

     

    
    

     

       print(var3_reuse.name) # a_variable_scope/var3:0
     
    
   

    

     

    
    

     

       print(sess.run(var3_reuse)) # [ 3.]
     
    
   

    

     

    
    

     

       print(var4.name) # a_variable_scope/var4:0
     
    
   

    

     

    
    

     

       print(sess.run(var4)) # [ 4.]
     
    
   

    

     

    
    

     

       print(var4_reuse.name) # a_variable_scope/var4_1:0
     
    
   

    

     

    
    

     

       print(sess.run(var4_reuse)) # [ 4.]
     
    
  
 

文章来源: yunyaniu.blog.csdn.net，作者：一个处女座的程序猿，版权归原作者所有，如需转载，请联系作者。

原文链接：yunyaniu.blog.csdn.net/article/details/103827393