Question

我知道如何选择我创建的哪个tf.Variables受到训练：我用var_list = []调用优化器。当我自己不实际创建变量时，我的问题就出现了，因此无法将它们明确地传递给优化器。正在为我创建要优化的变量，具有卷积的便利功能：它将创建权重和偏差变量，然后将这些变量添加到trainable_variables（）列表中。

 x = tf.layers.conv2d(X, filters=64, kernel_size=4, strides=2, padding='same', activation=activation)

然而，我正在编程GAN，所以我需要在训练两组变量之间交替，一组用于生成器，一组用于鉴别器。因此，我不想仅仅训练tf.trainable_variables（）中的整个变量集。

我想使用便捷函数来设置模型，然后获取模型中变量的句柄，这样我就可以选择将哪些传递给优化器。

以下是生成器代码的示例。鉴别者是分析性的。

with tf.variable_scope("encoder", reuse=None):
        X = tf.reshape(X_in, shape=[-1, 28, 28, 1])
        x = tf.layers.conv2d(X, filters=64, kernel_size=4, strides=2, padding='same', activation=activation)
        x = tf.nn.dropout(x, keep_prob)
        x = tf.layers.conv2d(x, filters=64, kernel_size=4, strides=2, padding='same', activation=activation)
        x = tf.nn.dropout(x, keep_prob)
        x = tf.layers.conv2d(x, filters=64, kernel_size=4, strides=1, padding='same', activation=activation)
        x = tf.nn.dropout(x, keep_prob)
        x = tf.contrib.layers.flatten(x)

Answer 1

我想我刚刚找到了答案。显然这里的诀窍是使用＆＃34; name＆＃34;和＆＃34;重用＆＃34;对conv2d的调用的属性。如果你这样做，那么变量的名称只是/ kernel和/ bias。

后续问题是tf会对这些进行编号，所以如果你重新运行algortithm（例如在ipython或jupyter笔记本中），你将拥有多个同名的变量。因此，您必须调用“重复使用=真正的＆＃39;所以他们得到默认名称：0

conv_layer = tf.layers.conv2d(..., name='YOUR_NAME', reuse=True...)

然后按以下方式访问命名变量：

gr = tf.get_default_graph() 
conv1_kernel_val = gr.get_tensor_by_name('YOUR_NAME/kernel:0').eval()
conv1_bias_val = gr.get_tensor_by_name('YOUR_NAME/bias:0').eval()

这不是一个漂亮的解决方案。坏张力流，坏狗！您不应该猜测或控制名称。应该有一种方法可以明确地访问调用提供的变量。

给这篇文章提示：How to access kernel variables in tf.layers.conv2d?

在张量流中获取卷积训练变量的句柄

1 个答案: