tensorflow中tf.get_variable()函数详解

如果变量存在，函数tf.get_variable()会返回现有的变量；如果变量不存在，会根据给定形状和初始值创建一个新的变量。

def get_variable(name, shape=None, dtype=None,initializer=None, regularizer=None, trainable=True, collections=None, caching_device=None,partitioner=None,validate_shape=True,use_resource=None,custom_getter=None,constraint=None)

常用参数有：

name：变量名称 shape：变量维度 initializer：变量初始化方式 regularizer：正规化 caching_device：可选的设备字符串或函数描述

还有tf.Variable()函数，

tf.Variable(initial_value=None, trainable=True, collections=None, validate_shape=True, caching_device=None, name=None, variable_def=None, dtype=None, expected_shape=None, import_scope=None)

两者区别：
1、使用tf.Variable()时，如果检测到命名冲突，系统会自己处理。使用tf.get_variable()时，系统不会处理冲突，而会报错。
2、对于这两个函数的特性，当我们需要共享变量的时候，需要使用tf.get_variable()。在其他情况下，这两个的用法是一样的。

总结

以上是生活随笔为你收集整理的tensorflow中tf.get_variable()函数详解的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。