访问具有绝对范围的变量

Question

我一直在研究 tensorflow docs 使用绝对名称而不是现有范围的相对名称检索变量的方法

类似 get_variable_absolute 的东西会收到 var 的绝对路径（即：h1/Weights 而不是 h1 变量范围内的 Weights）

这个问题是出于对 this problem 的极度沮丧。

Answer 1

我在深入阅读 TensorFlow 的 tutorial on Sharing Variables 后找到了答案。

假设：

您在范围 'h1'
你在范围内'foo'
您要检索变量 'h1/Weights'

为此，您需要保存使用 tf.variable_scope('h1') 创建的范围对象，以便在范围 'foo'.

中使用它

部分代码会更多eloquent:

with tf.variable_scope('h1') as h1_scope:  # we save the scope object in h1_scope
  w = tf.get_variable('Weights', [])

with tf.variable_scope('foo'):
  with tf.variable_scope(h1_scope, reuse=True):  # get h1_scope back
    w2 = tf.get_variable('Weights')

assert w == w2

结论：当你传递范围及其python对象时，不仅是它的名字，你可以离开当前范围。

访问具有绝对范围的变量

Accessing variables with absolute scopes

python-2.7

tensorflow