Question

我尝试使用variable_scope管理Tensors。事情就是每次代码片段运行时，它都会创建一个带索引的新Tensor

例如：

import tensorflow as tf
parameters = {}
with tf.variable_scope("layer1"):
    parameters["b1"] = tf.add(1,1)
with tf.variable_scope("layer1"):
    parameters["b2"] = tf.add(1,1)
print(parameters["b1"])
print(parameters["b2"])

您多次运行代码，它将创建

Tensor("layer1_1/Add:0", shape=(), dtype=int32)
Tensor("layer1_2/Add:0", shape=(), dtype=int32)

Tensor("layer1_3/Add:0", shape=(), dtype=int32)
Tensor("layer1_4/Add:0", shape=(), dtype=int32)

...

如何防止这种情况发生？

解决方案：

因此，不关闭 - 重新开放范围将解决部分问题：

with tf.variable_scope("layer1"):
    parameters["b1"] = tf.add(1,1)
    parameters["b2"] = tf.add(1,1)

如果您想在两者之间做其他事情，并且必须关闭范围，那么您可以捕获它：

with tf.variable_scope("layer1") as s: # remembering scope in s
    [ create some tensors... ]
[ scope closed ]
with tf.variable_scope( s.original_name_scope ): # reopen same name scope again
    [ declare new variables within same name scope ]

这将在两个variable_scopes之间共享name_scope

Answer 1

因此，根据您的评论，您的问题是您希望命名方案为layer1/Add_1，然后是layer1/Add_2等。

如果这是您的目标，那么代码的问题在于您分别使用with构造。＆＃34; with＆＃34;的想法是它自动打开和关闭您使用它的对象。因此，with tf.variable_scope( 'layer1' )会创建一个名为layer1的变量范围，然后在您退出with时将其关闭。然后你重新打开另一个同名的，当它试图创建它时，它会遇到同一个名字＆＃34;问题并将开始索引后缀。

因此，不关闭 - 重新开放范围将解决部分问题：

with tf.variable_scope("layer1"):
    parameters["b1"] = tf.add(1,1)
    parameters["b2"] = tf.add(1,1)

如果您想在两者之间做其他事情，并且必须关闭范围，那么您可以捕获它：

with tf.variable_scope("layer1") as s: # remembering scope in s
    [ create some tensors... ]
[ scope closed ]
with tf.variable_scope( s.original_name_scope ): # reopen same name scope again
    [ declare new variables within same name scope ]

这将在两个name_scope之间共享variable_scope。

Tensor（＆＃34; layer1 / Add：0＆＃34;，shape =（），dtype = int32）

Tensor（＆＃34; layer1 / Add_1：0＆＃34;，shape =（），dtype = int32）

如何在Tensorflow中使用name_scope重用/重新打开已关闭的variable_scope？

1 个答案: