変数のスコープのtensorflow

まず、起源

そうすることで、深さの学習は、変数の大きなセットを必要と過去に我々はそれだけでグローバル制限を行うためのコードを記述する必要がありますが、tensorflowの変数のセットを管理するのは簡単でもない、パッケージ化しやすいは、このように変数管理tensorflowを提供し、そこではありません方法：変数のスコープメカニズム

 

第二に、二つの重要なAPI

tf.get_variable（名前、形状=なし）＃指定された名前に応じて、または可変リターンを作成します

名前空間name_or_scopeの組成物におけるすべての変数のtf.variable_scope（name_or_scope、リユース=なし）＃　　

 

第三に、解釈

私が最初にAPIをお話しましょう

tf.get_variable（名前、形状=なし）このメソッドはtf.Variable（で）同じ名前の変数がある場合、それは検索することを除いて、変数を作成する場合とまったく同じ。

1つの インポートtensorflowとしてTF
 2  
3  
4（tf.variable_scopeと' CONST ' ）：
 5      A = tf.get_variable（' A '、[1]、初期= tf.constant_initializer（1））。

 

 

第2のAPIのほかに

なし、真、tf.AUTO_REUSE：最も重要なパラメータは、このメソッドを再利用すると、3つの値があります

再利用符号は、親クラスを継承していない：リユース=なし

真=再使用：唯一の多重化、作成することはできません。

1つの インポートtensorflowとしてTF
 2  
3  
4（tf.variable_scopeと' CONST ' ）：
 5      A = tf.get_variable（' A '、[1 ]）
 6  
7 tf.variable_scopeと（' CONST '、リユース= tf.AUTO_REUSE） ：
 8      、B = tf.get_variable（' A '、[1 ]）
 9  
10  プリント（== b）は      ＃真

再利用は= tf.AUTO_REUSE：作成されていない、最も安全な使用法である多重化を、持っています

1つの インポートAS tensorflowのTF
 2  
3。 
4。 DEF 試験（）：
 5      tf.variable_scopeと（' CONST '、リユース= tf.AUTO_REUSE）：
 6          A = tf.get_variable（' A '、[1 ]）
 7。 
8。     リターンA
 9。 
10 X-はテスト（）=   ＃が作成されていない
11 Y-をテスト=（）  ＃は、多重化する必要が
12  プリント - （== Y-X）     ＃真を