Question

最小代码示例：

with tf.variable_scope("initializer_test"):
    s = tf.get_variable("scalar", initializer=tf.constant(2)) 

with tf.variable_scope("initializer_test", reuse=True):
    s = tf.get_variable("scalar")
# ValueError: Trying to share variable initializer_test/scalar, but specified dtype float32 and found dtype int32_ref.

我的解决方案：

只需阅读错误消息即可提供简单的解决方案：

with tf.variable_scope("initializer_test"):
    s = tf.get_variable("scalar", initializer=tf.constant(2)) 

with tf.variable_scope("initializer_test", reuse=True):
    s = tf.get_variable("scalar", dtype=tf.int32) # Just add the required dtype

有更好的方法吗？我希望不必（查看错误消息以找出dtype）或（在我第一次声明时手动为s设置dtype）。

Answer 1

将AUTO_REUSE作为重用模式添加到变量作用域。此模式修改get_variable()的行为以创建所请求的变量（如果不存在）或返回它们（如果存在）。

现在可以编写以下代码：

def call_f():
    with tf.variable_scope("initializer_test", reuse=tf.AUTO_REUSE):
        v = tf.get_variable("scalar", initializer=tf.constant(2))
    return v

v1 = call_f()  # Creates v.
v2 = call_f()  # Gets the same, existing v.

print(v1)
print(v2)

输出：

<tf.Variable 'initializer_test/scalar:0' shape=() dtype=int32, numpy=2>
<tf.Variable 'initializer_test/scalar:0' shape=() dtype=int32, numpy=2>

当dtypes不同时，如何重用TensorFlow中的现有变量？

1 个答案: