在tensorflow中,有一个类GraphKeys
。我遇到了许多代码,它们已被使用。但是,在tensorflow文档以及使用它的代码中,没有很好地解释这个类的用法。
有人可以解释一下tf.GraphKey
的用法吗?
谢谢!
答案 0 :(得分:2)
据我所知,tf.GraphKeys
是图表中变量和操作的键集合的集合。用法(就像常见的python词典一样)是检索变量和操作。
鉴于这一点,这里有tf.GraphKeys
的一些子集我遇到过:
GLOBAL_VARIABLES
和LOCAL_VARIABLES
包含图表的所有变量,需要在培训之前进行初始化。 tf.global_variables()
返回列表中的全局变量,可以与tf.variables_initializer
一起用于初始化。trainable=True
创建的变量将添加到TRAINABLE_VARIABLES
,并且会在培训期间由tf.train
下的任何优化工具提取和更新。SUMMARIES
包含由tf.summary
(scalar
,image
,histogram
,text
等添加的所有摘要的密钥。 tf.summary.merge_all
收集所有这些键并返回一个运行并写入文件的操作,以便您可以在tensorboard上显示它们。 UPDATE_OPS
,并使用sess.run(tf.get_collection(tf.GraphKeys.UPDATE_OPS))
在每次迭代时单独运行。在这种情况下,这些变量设置为trainable=False
以避免通过梯度下降进行更新。 tf.add_to_collection(some_name, var_or_op)
创建自己的集合,然后检索变量或操作。您可以使用tf.get_collection()
检索特定变量或操作,并调整scope
。