variable_scope和name_scope差别
先看代码:
- #命名空间函数tf.variable_scope()和tf.name_scope()函数区别于使用
- import tensorflow as tf
- with tf.variable_scope("foo"):
- a = tf.get_variable("bar", [1])
- print(a.name) #foo/bar:0
- b = tf.Variable("b", [1])
- print(b.name) #foo/Variable:0
- with tf.variable_scope("bar"):
- a = tf.get_variable("bar", [1])
- print(a.name) #bar/bar:0
- b = tf.Variable("b", [1])
- print(b.name) #bar/Variable:0
- with tf.name_scope("a"):
- a = tf.Variable([1])
- print(a.name) #a/Variable:0
- with tf.name_scope("b"):
- b = tf.get_variable("b", [1])
- print(b.name) #b_1:0
- with tf.name_scope("b"):
- c = tf.get_variable("b", [1])
- print(c.name) #出错,b已存在
可以看出,对于tf.Variable()函数,两者的使用情况都一样;而tf.get_variable()函数,它不受name_scope约束,已经声明过的变量就不能再声明了。
1. tf.name_scope('scope_name')或tf.name_scope(named_scope)
主要与tf.Variable搭配使用;
当传入字符串时,用以给变量名添加前缀,类似于目录,如case1所示;
当传入已存在的name_scope对象时,则其范围内变量的前缀只与当前传入的对象有关,与更上层的name_scope无关,如case2所示。
- import tensorflow as tf
- # case 1:
- with tf.name_scope('l1'):
- with tf.name_scope('l2'):
- wgt1 = tf.Variable([1,2,3], name='wgts')
- bias1 = tf.Variable([0.1], name='biases')
- print wgt1.name, bias1.name
- # >>> l1/l2/wgts:0 l1/l2/biases:0
- # case 2:
- with tf.name_scope('l1') as l1_scp:
- with tf.name_scope('l2'):
- wgt0 = tf.Variable([1,2,3], name='wgts')
- bias0 = tf.Variable([0.1], name='biases')
- with tf.name_scope(l1_scp):
- wgt1 = tf.Variable([1,2,3], name='wgts')
- bias1 = tf.Variable([0.1], name='biases')
- print wgt0.name, bias0.name, wgt1.name, bias1.name
- # >>> l1_1/l2/wgts:0 l1_1/l2/biases:0 l1_1/wgts:0 l1_1/biases:0
2. tf.variable_scope('scope_name', reuse=None)或
tf.variable_scope(named_scope)
与name_scope一样:当传入字符串时,用以给变量名添加前缀,类似于目录;
当传入已存在的variable_scope对象时,则其范围内变量的前缀只与当前传入的对象有关,与更上层的variable_scope无关。
常于get_variable搭配使用,多用于变量共享;其中 reuse 参数可设为 None、tf.AUTO_REUSE、True、False;
当 reuse=None(默认情况)时,与上层variable_scope的reuse参数一样。
- # case 1
- with tf.variable_scope('lv1'):
- with tf.variable_scope('lv2'):
- init = tf.constant_initializer(0.1)
- wgt1 = tf.get_variable('wgts', [2,2])
- bias1 = tf.get_variable('biases', [2,2])
- print wgt1.name, bias1.name
- # >>> lv1/lv2/wgts:0 lv1/lv2/biases:0
当 reuse=tf.AUTO_REUSE 时,自动复用,如果变量存在则复用,不存在则创建。这是最安全的用法。
- with tf.variable_scope('lv1'):
- with tf.variable_scope('lv2'):
- init = tf.constant_initializer(0.1)
- wgt1 = tf.get_variable('wgts', [2,2])
- bias1 = tf.get_variable('biases', [2,2])
- print wgt1.name, bias1.name
- # >>> lv1/lv2/wgts:0 lv1/lv2/biases:0
- with tf.variable_scope('lv1', reuse=tf.AUTO_REUSE):
- with tf.variable_scope('lv2'):
- init = tf.constant_initializer(0.1)
- wgt2 = tf.get_variable('wgts', [2,2])
- bias2 = tf.get_variable('biases', [2,2])
- print wgt2.name, bias2.name
- # >>> lv1/lv2/wgts:0 lv1/lv2/biases:0
- with tf.variable_scope('lv1', reuse=tf.AUTO_REUSE):
- with tf.variable_scope('lv2'):
- init = tf.constant_initializer(0.1)
- wgt2 = tf.get_variable('wgts', [2,2])
- bias2 = tf.get_variable('biases', [2,2])
- print wgt2.name, bias2.name
- # >>> lv1/lv2/wgts:0 lv1/lv2/biases:0
当 reuse=True 时,tf.get_variable会查找该命名变量,如果没有找到,则会报错;所以设置reuse=True之前,要保证该命名变量已存在。
- with tf.variable_scope('lv1', reuse=True):
- with tf.variable_scope('lv2'):
- init = tf.constant_initializer(0.1)
- wgt1 = tf.get_variable('wgts', [2,2])
- bias1 = tf.get_variable('biases', [2,2])
- print wgt1.name, bias1.name
- # >>> ValueError: Variable lv1/lv2/wgts does not exist,
- # or was not created with tf.get_variable(). Did you mean
- # to set reuse=tf.AUTO_REUSE in VarScope?
命名变量已存在:
- with tf.variable_scope('lv1'):
- with tf.variable_scope('lv2'):
- init = tf.constant_initializer(0.1)
- wgt1 = tf.get_variable('wgts', [2,2])
- bias1 = tf.get_variable('biases', [2,2])
- print wgt1.name, bias1.name
- # >>> lv1/lv2/wgts:0 lv1/lv2/biases:0
- # case 2
- with tf.variable_scope('lv1', reuse=True):
- with tf.variable_scope('lv2'):
- init = tf.constant_initializer(0.1)
- wgt1 = tf.get_variable('wgts', [2,2])
- bias1 = tf.get_variable('biases', [2,2])
- print wgt1.name, bias1.name
- # >>> lv1/lv2/wgts:0 lv1/lv2/biases:0
当 reuse=False 时,tf.get_variable会调用tf.Variable来创建变量,并检查创建的变量是否以存在,如果已存在,则报错;
- with tf.variable_scope('lv1'):
- with tf.variable_scope('lv2'):
- init = tf.constant_initializer(0.1)
- wgt1 = tf.get_variable('wgts', [2,2])
- bias1 = tf.get_variable('biases', [2,2])
- print wgt1.name, bias1.name
- # >>> lv1/lv2/wgts:0 lv1/lv2/biases:0
- # case 2
- with tf.variable_scope('lv1', reuse=False):
- with tf.variable_scope('lv2'):
- init = tf.constant_initializer(0.1)
- wgt1 = tf.get_variable('wgts', [2,2])
- bias1 = tf.get_variable('biases', [2,2])
- print wgt1.name, bias1.name
- # ValueError: Variable lv1/lv2/wgts already exists, disallowed.
- # Did you mean to set reuse=True or reuse=tf.AUTO_REUSE in VarScope?
variable_scope和name_scope差别的更多相关文章
- Tensorflow中的name_scope和variable_scope
Tensorflow是一个编程模型,几乎成为了一种编程语言(里面有变量.有操作......). Tensorflow编程分为两个阶段:构图阶段+运行时. Tensorflow构图阶段其实就是在对图进行 ...
- tensorflow里面共享变量、name_scope, variable_scope等如何理解
tensorflow里面共享变量.name_scope, variable_scope等如何理解 name_scope, variable_scope目的:1 减少训练参数的个数. 2 区别同名变量 ...
- tf.variable和tf.get_Variable以及tf.name_scope和tf.variable_scope的区别
在训练深度网络时,为了减少需要训练参数的个数(比如具有simase结构的LSTM模型).或是多机多卡并行化训练大数据大模型(比如数据并行化)等情况时,往往需要共享变量.另外一方面是当一个深度学习模型变 ...
- tensorflow中的name_scope, variable_scope
在训练深度网络时,为了减少需要训练参数的个数(比如LSTM模型),或者是多机多卡并行化训练大数据.大模型等情况时,往往就需要共享变量.另外一方面是当一个深度学习模型变得非常复杂的时候,往往存在大量的变 ...
- 通俗理解tf.name_scope()、tf.variable_scope()
前言:最近做一个实验,遇到TensorFlow变量作用域问题,对tf.name_scope().tf.variable_scope()等进行了较为深刻的比较,记录相关笔记:tf.name_scope( ...
- Tensorflow 之 name/variable_scope 变量管理
name/variable_scope 的作用 充分理解 name / variable_scope TensorFlow 入门笔记 当一个神经网络比较复杂.参数比较多时,就比较需要一个比较好的方式来 ...
- Tensorflow常用函数说明(一)
首先最开始应该清楚一个知识,最外面的那个[ [ [ ]]]括号代表第一维,对应维度数字0,第二个对应1,多维时最后一个对应数字-1:因为后面有用到 1 矩阵变换 tf.shape(Tensor) 返回 ...
- [TensorBoard] Name & Variable scope
TF有两个scope, 一个是name_scope一个是variable_scope 第一个程序: with tf.name_scope("hello") as name_scop ...
- 2.4scope
name_scope variable_scope scope (name_scope/variable_scope) from __future__ import print_function im ...
随机推荐
- iOS 字典转json字符串
NSDictionary *param = @{@"key1":@"value1",@"key2":@"value2"} ...
- Centos 安装Percona Toolkit工具集
1.下载 下载地址: https://www.percona.com/downloads/percona-toolkit/LATEST/ [root@bogon ~]# wget https:// ...
- What is OpenOCD?
About OpenOCD was created by Dominic Rath as part of a 2005 diploma thesis written at the University ...
- [Deepin 15] 编译安装 PHP-5.6.30
先看下历史笔记: Ubuntu 14 编译安装 PHP 5.4.45 + Nginx 1.4.7 + MySQL 5.6.26 笔记 ################################# ...
- Golang Vendor 包机制 及 注意事项
现在的 Go 版本是 1.8,早在 1.5 时期,就有了 Vendor 包机制,详情可查看博文:“理解 Go 1.5 vendor”. 遇到的问题 个人在使用 Glide 管理 Vendor 包时(附 ...
- 在VC中使用SendInput函数实现中文的自动输入
很早以前写了一个刷卡程序,功能是定时监控读卡器,当发现有IC卡放到读卡器上后,自动识别出卡号,然后带着这个卡号搜索一个英文用户名和卡号的对照表,最后把英文用户名直接自动输入到当前光标所在的位置.本来程 ...
- eclipse 中 import sun.misc.BASE64Decoder; 报错
from://http://blog.sina.com.cn/s/blog_48964b120101ahrf.html 在android做3DES加密功能时 eclipse 中 import sun. ...
- Java Swing 使用非本地字体
package reyo; import java.awt.Container; import java.awt.Font; import java.awt.FontFormatException; ...
- JQuery攻略(四)事件
jQuery事件处理,鼠标的单击,双击,悬停,键盘按键,文本动画..... 此章节有 1.1被点击的按钮查找 1.2事件的自动触发 1.3点击之后禁用按钮 1.4鼠标事件 1.5焦点事件 1.6CSS ...
- Kubernetes基础
Kubernetes是什么 Kubernetes是当今最流行的开源容器管理平台,它就是大名鼎鼎的Google Borg的开源版本.Google在2014年推出了Kubernetes,本文发布时最新的版 ...