标签：变量赋值 class col 回归 链接 assign orb log dom
系列博客链接：
（一）TensorFlow框架介绍：https://www.cnblogs.com/kongweisi/p/11038395.html
（二）TensorFlow框架之图与TensorBoard：https://www.cnblogs.com/kongweisi/p/11038517.html
（三）TensorFlow框架之会话：https://www.cnblogs.com/kongweisi/p/11038550.html
（四）TensorFlow框架之张量：https://www.cnblogs.com/kongweisi/p/11039237.html
本文概述：
TensorFlow变量是表示程序处理的共享持久状态的最佳方法。变量通过 tf.Variable OP类以及tf.get_variable()类进行操作。
变量的特点：
var = tf.Variable(tf.random_normal([2, 2], mean=0.0, stddev=1.0), name="var", trainable=True) with tf.Session() as sess: sess.run(var)
# 添加一个初始化变量的OP
# 变量显示初始化
init_op = tf.global_variables_initializer() with tf.Session() as sess: # 运行初始化变量的OP sess.run(init_op)
var = tf.Variable(tf.random_normal([2, 2], mean=0.0, stddev=1.0), name="var", trainable=True)
# 给变量赋值一个新的值
var1 = var.assign([[2, 3], [4, 5]])
# 初始化变量OP
init_op = tf.global_variables_initializer()
# 给变量在原值的基础上，加上新的值
va = var.assign_add([[1, 3], [4, 5]])
with tf.Session() as sess:
# 运行初始化op
sess.run(init_op)
print(sess.run(va))
print(sess.run(var))
关于变量的被训练，我会在后面的线性回归案例当中介绍
共享变量的主要用途在一些网络当中的参数共享， 由于在TensorFlow当中，只要我们定义的不同OP, 即使name参数指定一样，但实际上也并不是同一个变量。
如果想要达到重复利用变量的效果，我们就要使用tf.variable_scope()结合tf.get_variable()一起使用
var = tf.Variable(name=‘var‘, initial_value=[4], dtype=tf.float32) var_double = tf.Variable(name=‘var‘, initial_value=[4], dtype=tf.float32) <tf.Variable ‘var:0‘ shape=() dtype=float32_ref> <tf.Variable ‘var_1:0‘ shape=() dtype=float32_ref>
会在OP的名字前面增加命名空间的指定名字
with tf.variable_scope("name"): var = tf.Variable(name=‘var‘, initial_value=[4], dtype=tf.float32) var_double = tf.Variable(name=‘var‘, initial_value=[4], dtype=tf.float32) <tf.Variable ‘name/var:0‘ shape=() dtype=float32_ref> <tf.Variable ‘name/var_1:0‘ shape=() dtype=float32_ref>
通过tf.get_variable的初始化与Variable参数一样, 但是要是实现共享需要打开 tf.variable_scope("name")中的reuse = tf.AUTO_REUSE参数
# 打开共享参数 # 或者 # with tf.variable_scope("name") as scope: # 在需要使用共享变量的前面定义： scope.reuse_variables() with tf.variable_scope("name", reuse=tf.AUTO_REUSE): var = tf.Variable(initial_value=4.0, name="var", dtype=tf.float32) var_double = tf.Variable(initial_value=4.0, name="var", dtype=tf.float32) var1 = tf.get_variable(initializer=tf.random_normal([2, 2], mean=0.0, stddev=1.0), name="var1", dtype=tf.float32) var1_double = tf.get_variable(initializer=tf.random_normal([2, 2], mean=0.0, stddev=1.0), name="var1", dtype=tf.float32) with tf.Session() as sess: sess.run(tf.global_variables_initializer()) print(var1) print(var1_double)
标签：变量赋值 class col 回归 链接 assign orb log dom
原文地址：https://www.cnblogs.com/kongweisi/p/11039254.html
