tf.Variable()、tf.get_variable()和tf.placeholder()

1.tf.Variable()

tf.Variable(initializer,name)

功能：tf.Variable()建立變量時，name屬性值容許重複，檢查到相同名字的變量時，由自動別名機制建立不一樣的變量。

參數：

• initializer：初始化參數；
• name：可自定義的變量名稱

舉例：

import tensorflow as tf
v1=tf.Variable(tf.random_normal(shape=[2,3],mean=0,stddev=1),name='v1')
v2=tf.Variable(tf.constant(2),name='v2')
v3=tf.Variable(tf.ones([2,3]),name='v3')
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(v1))
    print(sess.run(v2))
    print(sess.run(v3))

結果以下：

 

2.tf.get_variable()

tf.get_variable(
    name,
    shape=None,
    dtype=None,
    initializer=None,
    regularizer=None,
    trainable=None,
    collections=None,
    caching_device=None,
    partitioner=None,
    validate_shape=True,
    use_resource=None,
    custom_getter=None,
    constraint=None,
    synchronization=tf.VariableSynchronization.AUTO,
    aggregation=tf.VariableAggregation.NONE
)

功能：tf.get_variable建立變量時，會進行變量檢查，當設置爲共享變量時（經過scope.reuse_variables()或tf.get_variable_scope().reuse_variables()），檢查到第二個擁有相同名字的變量，就返回已建立的相同的變量；若是沒有設置共享變量，則會報[ValueError: Variable varx alreadly exists, disallowed.]的錯誤。

參數：

• name：新變量或現有變量的名稱
• shape：新變量或現有變量的形狀
• dtype:新變量或現有變量的類型（默認爲DT_FLOAT）。
• initializer：變量初始化的方式

初始化方式：

• tf.constant_initializer：常量初始化函數
• tf.random_normal_initializer：正態分佈
• tf.truncated_normal_initializer：截取的正態分佈
• tf.random_uniform_initializer：均勻分佈
• tf.zeros_initializer：所有是0
• tf.ones_initializer：全是1
• tf.uniform_unit_scaling_initializer：知足均勻分佈，但不影響輸出數量級的隨機值

舉例：

v1=tf.Variable(tf.random_normal(shape=[2,3],mean=0,stddev=1),name='v1')
v2=tf.Variable(tf.random_normal(shape=[2,3],mean=0,stddev=1),name='v1')
v3=tf.Variable(tf.ones([2,3]),name='v3')

a1 = tf.get_variable(name='a1', shape=[2, 3], initializer=tf.random_normal_initializer(mean=0, stddev=1))
a2 = tf.get_variable(name='a2', shape=[2, 3], initializer=tf.random_normal_initializer(mean=0, stddev=1))
a3 = tf.get_variable(name='a3', shape=[2, 3], initializer=tf.ones_initializer())

with tf.Session() as sess:
    sess.run(tf.initialize_all_variables())
    print(sess.run(v1))
    print(sess.run(v2))
    print(sess.run(v3))
    print(sess.run(a1))
    print(sess.run(a2))
    print(sess.run(a3))

v1和v2的參數徹底相同，建立時候不會報錯；a1和a2的參數徹底相同，建立時候會報錯　　

 

3.tf.placeholder()

tf.placeholder(
    dtype,
    shape=None,
    name=None
)

功能：在tensorflow中相似於函數參數，運行時必須傳入值。

TensorFlow連接：https://tensorflow.google.cn/api_docs/python/tf/placeholder?hl=en

參數：

• dtype：要進給的張量中的元素類型。經常使用的是tf.float32,tf.float64等數值類型。
• shape：要進給的張量的形狀（可選）。若是未指定形狀，則能夠提供任何形狀的張量。默認是None，就是一維值，也能夠是多維，好比[2,3], [None, 3]表示列是3，行不定。
• name：操做的名稱（可選）。

舉例：

input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)

output = tf.multiply(input1, input2)

with tf.Session() as sess:
    print(sess.run(output, feed_dict={input1: [23.], input2: [4.]})) # [92.]

　　

 

 

參考文獻：

【1】Tensorflow——tf.Variable()、tf.get_variable()和tf.placeholder()