Question

我试图使2个转换层共享相同的权重，但是，似乎API不起作用。

import tensorflow as tf

x = tf.random_normal(shape=[10, 32, 32, 3])

with tf.variable_scope('foo') as scope:
    conv1 = tf.contrib.layers.conv2d(x, 3, [2, 2], padding='SAME', reuse=True, scope=scope)
    print(conv1.name)

    conv2 = tf.contrib.layers.conv2d(x, 3, [2, 2], padding='SAME', reuse=True, scope=scope)
    print(conv2.name)

打印出来

foo/foo/Relu:0
foo/foo_1/Relu:0

从tf.contrib.layers.conv2d更改为tf.layers.conv2d并不能解决问题。

tf.layers.conv2d：

存在同样的问题

import tensorflow as tf

x = tf.random_normal(shape=[10, 32, 32, 3])

conv1 = tf.layers.conv2d(x, 3, [2, 2], padding='SAME', reuse=None, name='conv')
print(conv1.name)
conv2 = tf.layers.conv2d(x, 3, [2, 2], padding='SAME', reuse=True, name='conv')
print(conv2.name)

给出

conv/BiasAdd:0
conv_2/BiasAdd:0

Answer 1

在您编写的代码中，变量确实在两个卷积层之间重用。试试这个：

True

请注意，只创建了一个权重和一个偏差张量。即使它们共享权重，层也不共享实际计算。因此，您会看到操作的两个不同名称。

TensorFlow重用变量与tf.layers.conv2d

1 个答案: