Question

据我所知，Variable是制作变量的默认操作，而get_variable主要用于分配重量。

一方面，有些人建议您在需要变量时使用get_variable而不是原始Variable操作。另一方面，我只看到在TensorFlow的官方文档和演示中使用get_variable。

因此，我想知道如何正确使用这两种机制的一些经验法则。有没有“标准”原则？

Answer 1

我建议您始终使用tf.get_variable(...) - 如果您需要随时共享变量，则可以更轻松地重构代码，例如在multi-gpu设置中（参见multi-gpu CIFAR示例）。它没有任何缺点。

纯tf.Variable是较低级别的;在某些时候tf.get_variable()不存在，所以一些代码仍然使用低级方式。

Answer 2

tf.Variable是一个类，有几种方法可以创建tf.Variable，包括tf.Variable .__ init__和tf.get_variable。

tf.Variable .__ init__：使用 initial_value 创建一个新变量。

W = tf.Variable(<initial-value>, name=<optional-name>)

tf.get_variable：使用这些参数获取现有变量或创建一个新变量。您也可以使用初始化程序。

W = tf.get_variable(name, shape=None, dtype=tf.float32, initializer=None,
       regularizer=None, trainable=True, collections=None)

使用xavier_initializer等初始化程序非常有用：

W = tf.get_variable("W", shape=[784, 256],
       initializer=tf.contrib.layers.xavier_initializer())

https://www.tensorflow.org/versions/r0.8/api_docs/python/state_ops.html#Variable的更多信息。

Answer 3

我可以找到两者之间的两个主要区别：

首先，tf.Variable将始终创建一个新变量，tf.get_variable是否从图中获取带有这些参数的现有变量，如果它不存在，则会创建一个新变量
tf.Variable要求指定初始值。

重要的是要澄清函数tf.get_variable在名称前加上当前变量作用域以执行重用检查。例如：

with tf.variable_scope("one"):
    a = tf.get_variable("v", [1]) #a.name == "one/v:0"
with tf.variable_scope("one"):
    b = tf.get_variable("v", [1]) #ValueError: Variable one/v already exists
with tf.variable_scope("one", reuse = True):
    c = tf.get_variable("v", [1]) #c.name == "one/v:0"

with tf.variable_scope("two"):
    d = tf.get_variable("v", [1]) #d.name == "two/v:0"
    e = tf.Variable(1, name = "v", expected_shape = [1]) #e.name == "two/v_1:0"

assert(a is c)  #Assertion is true, they refer to the same object.
assert(a is d)  #AssertionError: they are different objects
assert(d is e)  #AssertionError: they are different objects

最后一个断言错误很有趣：在同一范围内具有相同名称的两个变量应该是相同的变量。但是，如果您测试变量d和e的名称，您会发现Tensorflow更改了变量e的名称：

d.name   #d.name == "two/v:0"
e.name   #e.name == "two/v_1:0"

Answer 4

另一个区别在于，一个位于('variable_store',)集合中，而另一个不在。

请参见源code：

def _get_default_variable_store():
  store = ops.get_collection(_VARSTORE_KEY)
  if store:
    return store[0]
  store = _VariableStore()
  ops.add_to_collection(_VARSTORE_KEY, store)
  return store

让我说明一下：

import tensorflow as tf
from tensorflow.python.framework import ops

embedding_1 = tf.Variable(tf.constant(1.0, shape=[30522, 1024]), name="word_embeddings_1", dtype=tf.float32) 
embedding_2 = tf.get_variable("word_embeddings_2", shape=[30522, 1024])

graph = tf.get_default_graph()
collections = graph.collections

for c in collections:
    stores = ops.get_collection(c)
    print('collection %s: ' % str(c))
    for k, store in enumerate(stores):
        try:
            print('\t%d: %s' % (k, str(store._vars)))
        except:
            print('\t%d: %s' % (k, str(store)))
    print('')

输出：

collection ('__variable_store',): 0: {'word_embeddings_2': <tf.Variable 'word_embeddings_2:0' shape=(30522, 1024) dtype=float32_ref>}

TensorFlow中Variable和get_variable之间的区别

4 个答案: