Question

我试图理解局部和全局变量在张量流中是如何不同的，以及初始化变量的正确方法。

根据文件tf.local_variables_initializer：

返回初始化所有局部变量的Op。

这只是variables_initializer（local_variables（））
的快捷方式

所以关键部分是tf.local_variables。 The doc：

局部变量 - 每个过程变量，通常不保存/恢复到检查点并用于临时值或中间值。例如，它们可以用作度量计算的计数器或本机读取数据的时期数。

这听起来合乎逻辑，但无论我如何尝试，我都无法将任何变量置于本地。

features = 2
hidden = 3

with tf.variable_scope('start'):
  x = tf.placeholder(tf.float32, shape=[None, features], name='x')
  y = tf.placeholder(tf.float32, shape=[None], name='y')

with tf.variable_scope('linear'):
  W = tf.get_variable(name='W', shape=[features, hidden])
  b = tf.get_variable(name='b', shape=[hidden], initializer=tf.zeros_initializer)
  z = tf.matmul(x, W) + b

with tf.variable_scope('optimizer'):
  predict = tf.reduce_sum(z, axis=1)
  loss = tf.reduce_mean(tf.square(y - predict))
  optimizer = tf.train.AdamOptimizer(0.1).minimize(loss)

print(tf.local_variables())

输出始终为空列表。如何和我应该创建局部变量？

Answer 1

局部变量只是一个常规变量，它被添加到＆＃34;特殊变量＆＃34;集合。

该集合为tf.GraphKeys.LOCAL_VARIABLES。

您可以选择任何变量定义，只需添加参数collections=[tf.GraphKeys.LOCAL_VARIABLES]即可将变量添加到指定的集合列表中。

Answer 2

想想我找到了。在collections=[tf.GraphKeys.LOCAL_VARIABLES] tf.get_variable W {} {} {{}}} {所以这种方式W = tf.get_variable(name='W', shape=[features, hidden], collections=[tf.GraphKeys.LOCAL_VARIABLES])变成局部变量：

q = tf.contrib.framework.local_variable(0.0, name='q')

文档提到了另一种可行的可能性：

(?=.*\|)

Tensorflow：如何创建局部变量？

2 个答案: