Question

在TensorFlow中，是否有一种很好的方法可以在编程上区分张量，变量和操作？例如，在重新加载模型时，这可能会出现，tf.local_variables()可以同时包含张量和变量。如果您尝试初始化张量，则会出现错误。

以下是我当前黑客的一些代码，但有更好的方法吗？部分问题是变量，张量等的类型是，例如tensorflow.python.ops.variables.Variable，但似乎tensorflow.python不再可访问（我认为它是在某些早期版本中？）。该示例仅显示变量与张量，但我还需要先区分操作和张量，并且必须使用类似的黑客。

import tensorflow as tf
vars_list = [tf.Variable(0), tf.constant(0)]
# init = tf.variables_initializer(vars_list) # -> AttributeError: 'Tensor' object has no attribute 'initializer'
var_type = type(tf.Variable(0))
init = tf.variables_initializer([v for v in vars_list if type(v) == var_type])

Answer 1

通常，在Python中，可以使用

isinstance(x, tf.Variable)

或

isinstance(x, (tf.Variable, tf.Tensor))

等

以编程方式区分TensorFlow

1 个答案: