Tensorflow 变量的共享

2022-02-28

-exp//—/train-.py

当你需要在这个过程中进行训练时，如果它是用来接收输入数据的，那么一个图就可以完成这个任务。如果使用方法输入并嵌入到图中，那么对应输入的(for train)、(for )，会生成两个图，但是需要注意的是过程中需要用到w_h等变量等价到train过程，如果直接建图两次，下面的示意图会解释

这个不共享w_h等数据，所以会有问题（注意里面对应的w_h_1)

成本，=（X，标签）

_, = ((, ), )

=（成本，标志。）

# = (, 标志。)

从

这里 tf.().() 不起作用，因为其中没有使用任何机制

第一个解决方案使用类 self.w_h

解决此类问题的一种方法是使用类来创建模块，在需要的地方使用类来仔细管理他们需要的变量。一个更聪明的方法，而不是调用类，是利用提供的变量作用域机制，在构建视图时，很容易共享命名变量。

从

使用类方法共享w_h等变量

类 Mlp():

定义（自我）：

= 200

=

=

与 tf.(‘/cpu:0’):

self.w_h = ([, ], name = ‘w_h’)

self.b_h = ([], name = ‘b_h’)

self.w_o = ([, ], name = ‘w_o’)

self.b_o = ([], name = ‘b_o’)

定义模型（自我，X，w_h，b_h，w_o，b_o）：

h = tf.nn.relu((X, w_h) + b_h)

tf.(h, w_o) + b_o

定义（自我，X）：

py_x = self.model(X, self.w_h, self.b_h, self.w_o, self.b_o)

py_x

X =（索引，值）

算法 = Mlp()

成本，=（X，标签，算法）

, = ((, ), , 算法)

=（成本，标志。）

这样的例子 ////.py

第二个变量是共享的

可变作用域机制主要由两部分组成：

方法 tf.() 用于获取或创建变量，而不是调用 tf. 提供张量。以下是一些用于的初始化变量：

代码

从

分类：

技术要点：

相关文章：