Tensorflow：如何給變量範圍

我必須在訓練之前首先預訓練網絡。我用自己的會話在單獨的文件中使用代碼，但是第一次會話的變量仍然繼續存在並導致問題（因爲我在一個「主」文件中運行這兩個文件）。Tensorflow：如何給變量範圍

我可以通過簡單地運行我的pretrain文件來解決這個問題，該文件保存經過訓練的圖層，然後運行加載保存的圖層的訓練文件。但是，能夠在一個步驟中完成這兩件事情。我怎樣才能'斷開鏈接'並避免具有全局範圍的不需要的變量？

「主」文件看起來是這樣的：

from util import pretrain_nn 
from NN import Network 

shape = [...] 
layer_save_file = '' 
data = get_data() 

# Trains and saves layers 
pretrain_nn(shape, data, layer_save_file) 

# If I were to print all variables (using tf.all_variables) 
# variables only used in pretrain_nn show up 
# (the printing would be done inside `Network`) 
NN = Network(shape, pretrain=True, layer_save_file) 

NN.train(data) 

# Doesn't work because apparently some variables haven't been initialized. 
NN.save()

來源

2016-06-25 Nimitz14

沒有一個代碼片段，我最初的反應「變量顯示不同的腳本了」將假定您從做' pretrain導入*'。 –

添加了示例代碼，儘管我沒有看到您想要創建的內容。 '*'會導入所有模塊，它與函數中的python變量無關。 – Nimitz14

就像我說的，這是一個盲目的猜測，沒有看到代碼。我試圖做的是如果「** GLOBAL_COUNTER **」是_util_中的變量，那麼'from util import *'會將「** GLOBAL_COUNTER **」導入_main_file.py_。顯然，這並不適用於此。感謝您提供樣品。 –

變量的生命期與TensorFlow圖隱含關聯，默認情況下，兩個計算都將添加到同一個（全局）圖中。你可以範圍予以適當使用圍繞每個subcomputations的with tf.Graph().as_default():塊：

with tf.Graph().as_default(): 
    # Trains and saves layers 
    pretrain_nn(shape, data, layer_save_file) 

with tf.Graph().as_default(): 
    NN = Network(shape, pretrain=True, layer_save_file) 

    NN.train(data) 

    NN.save()

來源

2016-06-25 19:14:48 mrry

是否可以通過簡單重新設置圖形來進行範圍界定？在tensorflow API中有一個'tf.Graph（）.__ init __（）'函數似乎這樣做，但是當我嘗試使用時，我仍然得到關於uninit的錯誤。正在使用的值。（這樣做的好處是我不必總是添加上下文管理器，它會隱藏在我的'pretrain_nn'函數和'Network'類後面） – Nimitz14

從我所收集，pretrain_nn被初始化的變量TF（這是pretrain_nn和網絡共享）。據tf.variable_scope() from the documentation：

變量範圍允許創建新的變量，同時通過事故提供檢查，不能創建或共享已共享創建的。

這似乎可以幫助保持兩個範圍分開。

來源

2016-06-25 19:12:58

Tensorflow：如何給變量範圍

回答

相關問題