Question

我希望Tensorflow中的张量和变量属于不同的名称范围，以便我可以通过选择变量的不同子集来构建不同的训练操作。

例如，此代码似乎无效：

tf.reset_default_graph()
with tf.variable_scope("foo"):
    with tf.variable_scope("bar"):
        v=tf.get_variable("v",[1])
        print(v.name)
print(tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, scope='foo'))
print(tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, scope='bar'))

因为我得到了输出：

foo/bar/v:0
< tf.Variable 'foo/bar/v:0' shape=(1,) dtype=float32_ref >
[]

相反，我希望tensorflow能够识别声明为同时属于两个不同名称范围的变量。

Answer 1

TensorFlow中的名称范围是分层的，因此您的bar范围实际上是foo/bar，您应该这样查询它：

print(tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, scope='foo'))
print(tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, scope='foo/bar'))

打印：

[<tf.Variable 'foo/bar/v:0' shape=(1,) dtype=float32_ref>]
[<tf.Variable 'foo/bar/v:0' shape=(1,) dtype=float32_ref>]

张量名称可以在Tensorflow中属于不同的名称范围吗？

1 个答案: