Question

我玩了一点

import tensorflow as tf
x = tf.Variable([1.0, 2.0])
initializer = tf.global_variables_initializer()
session.run(initializer)
x
<tf.Variable 'Variable:0' shape=(2,) dtype=float32_ref>
y = 2 * x
y
<tf.Tensor 'mul:0' shape=(2,) dtype=float32>
z = y + 1
z
<tf.Tensor 'add:0' shape=(2,) dtype=float32>
v = session.run(x)
sess.run(initializer)
v = sess.run(x) 
print (v)
[ 1.  2.]
v1 = sess.run(z)
print (v1)
[ 3.  5.]
v = sess.run(x)

我有3个变量x，y，z。是否可以显示使用提示中的一个命令定义的所有变量？如果我尝试Jonas的建议

new = tf.trainable_variables()
print (new)
[<tf.Variable 'Variable:0' shape=(2,) dtype=float32_ref>]

Answer 1

tf.trainable_variables()打印出图表中的所有可训练变量，在您的情况下，只有x。当您执行y = 2 * x时，这实际上是隐式定义常量值mul/x，并将原始变量作为Variable/read

如果您运行以下代码：

x = tf.Variable(1)
y = 2 * x
z = y + 1
for v in tf.get_default_graph().as_graph_def().node:
  print v.name

您将获得以下输出：

Variable/initial_value
Variable
Variable/Assign
Variable/read
mul/x
mul
add/y
add

这些是图表中的所有节点。您可以使用它来过滤掉所需的所有相关信息。根据您的情况，我不会调用y和z变量。

请注意，这是从图表而不是会话中获取所有信息。如果您希望从特定会话中获取该会话，则需要获取相关会话并致电sess.graph。

最后一点，上面的示例使用了v.name，但每个图表节点实际上都有更多属性，例如name，op，input，{{1 }，device。有关详细信息，请参阅API。

Answer 2

也许我误解了这个问题，但是这有什么问题？

print(sess.run([x, y, z]))

TensorFlow - 显示会话中的所有变量

2 个答案: