笔记 - tensorflow中 Variable 与 get_variable 的用法

莫烦 scope 命名方法

---

• 我们为什么要对变量命名

举个例子：在迁移学习中我们是通过变量名加载相应的值

# restore variables
# redefine the same shape and same type for your variables
W = tf.Variable(np.arange(6).reshape((2, 3)), dtype=tf.float32, name="weights")  # 这个name必须是保存变量时的名字
b = tf.Variable(np.arange(3).reshape((1, 3)), dtype=tf.float32, name="biases")

# not need init step

saver = tf.train.Saver()
with tf.Session() as sess:
    saver.restore(sess, "my_net/save_net.ckpt")
    print("weights:", sess.run(W))
    print("biases:", sess.run(b))

"""
完整代码：https://github.com/MorvanZhou/tutorials/blob/master/tensorflowTUT/tf19_saver.py
"""

对创建变量的方式有两种

tf.Variable()
tf.get_variable()

和命名相关的还有

tf.name_scope() 与 tf.variable_scope()

提问：

• 在name_scope下，使用Variable命名与使用get_variable命名有什么区别

Variable的name会受name_scope影响
get_variable的name不受name_scope影响

相关结论

• name_scope Variable做不到变量重复使用的效果

进一步思考

• 什么时候需要对变量重复使用

---