Tensorflow 학습 노트(6)-변수 관리 와 모델 지속 화
2709 단어 딥 러 닝
TF 는 변수 이름 을 통 해 변 수 를 만 들 고 가 져 오 는 메커니즘 을 제공 합 니 다.변수의 매개 변 수 를 여기저기 전달 할 필요 가 없습니다.주로
tf.get_variable
와tf.variable_scope
를 통 해 이 루어 진다.tf.Variable 와 tf.getvariable 등가 사용 사례:weight = tf.get_variable(name='weights', shape=[5, 5, 3, 1], initializer=tf.truncated_normal_initializer(stddev=0.1))
weight = tf.Variable(tf.truncated_normal(shape=[5, 5, 3, 1], stddev=0.1),name='weights')
TF 의 initializer 함 수 는 이전의 상수 생 성 함수 와 대부분 대응 합 니 다.다음 과 같다.
표 TF 의 변수 초기 화 함수
함수 이름 초기 화
변 수 를 초기 화 합 니 다.
주요 매개 변수
tf.random_nomal_initializer
정상 분포
평균치
tf.truncated_normal_initializer
정상 분포 이지 만 무 작위 로 나 온 값 이 평균 2 개 기준 차 를 초과 하면 이 수 는 다시 무 작위 로 나 올 것 이다.
평균치
tf.random_uniform_initializer
평균 분포
최소
tf.constant_initializer
주어진 상수
상수 값
tf.uniform_unit_scaling_initializer
평균 분 포 는 출력 수량 급 에 영향 을 주지 않 습 니 다.
factor(무 작위 값 이 생 겼 을 때 곱 하 는 계수)
tf.zeros_initializer
완전무결 하 다
변수 차원
tf.ones_initializer
완비 하 다
변수 차원
tf.get_variable
에 대해 서 는 name 필수tf.variable_scope
를 선택 하여 작성 합 니 다.변수 재 활용 으로 인 한 오 류 를 피하 십시오.tf.get_variable
을 통 해 생 성 된 변 수 를 가 져 오 려 면tf.variable_scope
컨 텍스트 관리 자 를 생 성 해 야 합 니 다.reuse 인자 가 True 라면 이 관리자 의 모든tf.get_variable
은 생 성 된 변 수 를 직접 가 져 옵 니 다.None 또는 False 이면 새로운 변 수 를 만 듭 니 다.이 때 같은 이름 의 변수 가 존재 하면 오류 가 발생 합 니 다.# foo v
with tf.variable_scope("foo"):
v = tf.get_variable(name="v", shape=[1], initializer=tf.constant_initializer(1.0))
#
with tf.variable_scope("foo", reuse=True):
v1=tf.get_variable(name="v",shape=[1])
print(v==v1)
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
caffe 데이터 구조 깊이 학습 (4) - blob 데이터 구조 blob. hpp 파일 상세 해석이 줄 은 shape 벡터 를 통 해 Blob 의 모양 을 바 꾸 는 또 다른 변형 함 수 를 정의 합 니 다. 이 줄 은 Blob 모양 의 함 수 를 읽 고 구성원 변수 shape 로 돌아 가 는 것 을 정의 합 ...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.