Question

通常，如果我们通过类中的神经网络定义一个函数，那么在另一个类中，如果我们需要函数的参数或变量列表，在tensorflow中，我们可以使用tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES, scope="function name")，这是方便和熟悉的对我来说，虽然我想还有很多其他更有效的方法。

但是，在某些情况下，我们可能需要定义一个基于两个不同神经网络的函数，比如F(x) = F(NN_1(x), NN_2(x))，然后在另一个类中，获取两个变量列表的正确方法是什么NN_1()和NN_2()？很明显，在这里使用tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES, scope="function name会导致获得F(x)的混合变量列表，而不是NN_1和NN_2的两个变量列表。

def function()
    with tf.name_scope(function):
        with tf.name_scope(subfunction_1):
           neural_network_1
        with tf.name_scope(subfunction_2):
           neural_network_2

Answer 1

在名称范围的树中，您可以使用以下命令访问各个范围变量：

vars_1 = tf.get_collection(
    tf.GraphKeys.TRAINABLE_VARIABLES, scope="function_name/subfunction_name_1")
vars_2 = tf.get_collection(
    tf.GraphKeys.TRAINABLE_VARIABLES, scope="function_name/subfunction_name_2")

如何从两个不同的神经网络中获取两个变量列表

1 个答案: