Question

目前，我正在一个范围内构建几个神经网络，我想从另一个范围访问这些网络。

我尝试传递范围，但是如栈溢出中其他一些答案所述，但没有一个起作用。例如

def mlp_model(input, num_outputs, scope, reuse=False, num_units=64, rnn_cell=None):
    # This model takes as input an observation and returns values of all actions
    with tf.variable_scope(scope, reuse=reuse):
        out = input
        out = layers.dense(out, units=num_units, activation=tf.nn.relu)
        out = layers.dense(out, units=num_units, activation=tf.nn.relu)
        out = layers.dense(out, units=num_outputs, activation=None)
        return out

input_placeholder = tf.placeholder(tf.float32, shape=(None, 64), name="input")

with tf.variable_scope("agent_0") as agent_scope:
    q_func= mlp_model(input_placeholder, 2, "q_func", num_units=64)

with tf.variable_scope("agent_1"):
    with tf.variable_scope(agent_scope, reuse=True):
        q_func_2=mlp_model(input_placeholder, 2, "q_func", num_units=64, reuse=True)

当我看到q_func的名称时，它说“ agent_0 / q_func / dense_2 / BiasAdd：0” 当我看到q_func_2的名称时，它说“ agent_1 / agent_0 / q_func / dense_2 / BiasAdd：0”

我想弄清楚怎么做q_func == q_func_2

Answer 1

显然，从表面上看，这两个张量看起来是不同的，它们在引擎盖下是相同的。为了验证这一点，我仅在简单的回归任务上训练了“ q_func”，“ q_func_2”中的值也进行了更新。

在Tensorflow中跨多级范围共享变量

1 个答案: