Tensorflow-变量管理

变量管理

为了方便在不同的函数中(划重点)使用相同的变量,希望能直接通过变量的名称完成变量的使用,而不是采用参数传递的方式在不同的函数中使用相同的变量,所以这里引入了变量管理机制,能方便地通过变量的名称来完成变量在不同地方不同作用域下的使用。

变量管理机制的使用:

注意tf.get_variable()的机制,是受到with tf.variable_scope(‘name_space’, reuse)的影响的。其中当reuse=False(这也是默认值)时,

with tf.variable_scope(‘name_space’, reuse = False)下的tf.get_variable()进行的是新的变量的创建。

当reuse=True时,

with tf.variable_scope(‘name_space’, reuse = True)下的tf.get_variable()进行的是已存在、已创建变量的使用。

所以借助这个机制,来实现变量的管理:是在namespace下创建一个新的变量,还是对已经创建的、已经存在的变量进行调用。实现在不同函数下变量的使用。

可知最关键的还是tf.variable_scope()函数的reuse这个参数的bool值。

这样可以避免参数的传递,也能实现在不同函数中,通过变量名称实现变量的使用。

猜你喜欢

转载自blog.csdn.net/weixin_39721347/article/details/86172401