TensorFlow創建變量

1 使用tf.Variable函數創建變量

tf.Variable(initial_value=None,trainable=True,collections=None,validate_shape=True,caching_device=None,name=None,variable_def=None,dtype=None,expected_shape=None,import_scope=None)

函數功能：

　　創建一個新的變量，變量的值是initial_value，創建的變量會被添加到[GraphKeys.GLOBAL_VARIABLES]默認的計算圖列表中，如果trainable被設置為True,這個變量還會被添加到GraphKeys.TRAINABLE_VARIABLES計算圖的集合中。

參數：

• initial_value：默認值是None，張量或者是一個python對象可以轉成張量，這個initial_value是初始化變量的值。它必須有一個特殊的shape，除非validate_shape設置為False。
• trainable：默認的是True，變量還會被添加到GraphKeys.TRAINABLE_VARIABLES計算圖集合中。
• collections：變量會被添加到這個集合中，默認的集合是[GraphKeys.GLOBAL_VARIABLES]。
• validate_shape：如果是False，允許這個變量被初始化一個不知道shape。默認的是True，這個initial_value的shape必須是知道的。
• name：變量的名字。
• dypte：變量的類型，小數的默認是float32,整數默認是int32。

2 使用tf.get_variable函數創建變量

tf.get_variable(name,shape=None,dtype=None,initializer=None,regularizer=None,trainable=True,collections=None,caching_device=None,partitioner=None,validate_shape=True,use_resource=None,custom_getter=None)
函數功能：

　　根據變量的名稱來獲取變量或者創建變量。

參數：

• name：變量的名稱（必選）。
• shape：變量的shape。
• dtype：變量的數據類型。
• initializer：變量的初始化值。

2.1 根據變量的名稱創建變量

b = tf.get_variable(name="b", initializer=[1., 2., 3.]) init = tf.initialize_all_variables() sess = tf.Session() sess.run(init) print(b.eval(session=sess)) #[ 1. 2. 3.]
print(b.dtype) #<dtype: 'float32_ref'>

使用tf.get_variable創建變量的時候，如果不指定name,會報TypeError: get_variable() missing 1 required positional argument: 'name'

2.2 根據變量的名稱獲取變量

with tf.variable_scope("f"): #初始化一個變量名稱為c的變量
        c = tf.get_variable(name="c",shape=[3],initializer=tf.constant_initializer([1,2,3])) with tf.variable_scope("f",reuse=True): d = tf.get_variable(name="c",shape=[3]) sess = tf.Session() init = tf.initialize_all_variables() sess.run(init) print(d.eval(session=sess)) #[ 1. 2. 3.]
        print(c.eval(session=sess)) #[ 1. 2. 3.]
        print(d == c) #True

　　在使用tf.get_variable()根據變量的名稱來獲取已經生成變量的時候，需要通過tf.variable_scope函數來生成一個上下文管理器，並明確指定在這個上下文管理器中。獲取變量值的時候，需要將上下文管理器中的reuse設置為True，才能直接獲取已經聲明的變量，如果不設置reuse會報錯。需要注意的是，如果變量名在上下文管理器中已經存在，在獲取的時候，如果不將reuse設置為True則會報錯。同理，如果上下文管理器中不存在變量名，在使用reuse=True獲取變量值的時候，也會報錯。
補充：

（1）tf.variable_scope的嵌套

with tf.variable_scope("a"):#默認是False
　　#查看上下文管理器中的reuse的值
　　print(tf.get_variable_scope().reuse) #False
　　with tf.variable_scope("b",reuse=True): 　　　　print(tf.get_variable_scope().reuse) #True
       #如果reuse是默認的則保持和上一層的reuse值一樣
       with tf.variable_scope("c"): 　　print(tf.get_variable_scope().reuse) #True
    print(tf.get_variable_scope().reuse) #False

（2）上下文管理器與變量名

#沒有上下文管理器
a = tf.get_variable(name="a",shape=[2],initializer=tf.constant_initializer([1,2])) print(a.name) #a:0,a就是變量名


#聲明上下文管理器
with tf.variable_scope("f"): 　　b = tf.get_variable(name="b",shape=[2],initializer=tf.constant_initializer([1,2])) 　　print(b.name) #f/b:0,f代表的是上下文管理器的名稱，b代表的是變量的名稱
　　#嵌套上下文管理器
　　with tf.variable_scope("g"): 　　　　c = tf.get_variable(name="c",shape=[2],initializer=tf.constant_initializer([1,2])) 　　　　print(c.name)#f/g/c:0

（3）通過上下文管理器和變量名來獲取變量

#通過帶上下文管理器名稱和變量名來獲取變量
with tf.variable_scope("",reuse=True): 　　d = tf.get_variable(name="f/b") 　　print(d == b)  #True
　　e = tf.get_variable(name="f/g/c") 　　print(e == c)  #True

轉：修煉之路的博客（侵刪）