#-*-coding:utf-8-*- import tensorflow as tf #創建變量op #初始化的值 intit_value_1=tf.random_normal(dtype=tf.float64,shape=[2,2],stddev=1.0,mean=0.0) intit_value_2=tf.random_normal(dtype=tf.float64,shape=[2,2],stddev=1.0,mean=0.0) #不能通過指定name參數來讓var_1與var_2相同--指定空間的名稱，都是唯一的 var_1=tf.Variable(initial_value=intit_value_1,name='var') var_2=tf.Variable(initial_value=intit_value_2,name='var') print(var_1) print(intit_value_1) res=var_1.assign_add([[1.0,1.0],[1.0,1.0]]) print('res',res) print(var_2) print(intit_value_2)#開啟會話，執行op #初始化變量op intit_op=tf.global_variables_initializer()with tf.Session() as ss:# 顯示初始化變量opss.run(intit_op)print(ss.run(res))#如果是重新賦值或者加一個值，之后的op先運行，那么會更改原來的變量值#如果是重新賦值或者加一個值，之后的op后運行，那么不會更改原來的變量值 #變量op需要顯示的初始化print(ss.run(var_1))print(ss.run(var_2)) #變量op需要顯式的初始化 #函數A-a #函數B-a #globle #在tensorflow里面實現變量共享--需要用到一個叫命名空間的東西 #命名空間 #共享變量---需要使用命名空間，而且需要指定reuse=tf.AUTO_REUSE, #還要將指定空間的名稱設為一樣的，這樣才能共享 with tf.variable_scope('variable',reuse=tf.AUTO_REUSE):# intit_value初始化的值intit_value_1 = tf.random_normal(dtype=tf.float64,shape=[2, 2],stddev=1.0,mean=0.0)intit_value_2 = tf.random_normal(dtype=tf.float64,shape=[2, 2],stddev=1.0,mean=0.0)# 不能通過指定name參數來讓var_1與var_2相同--指定空間的名稱，都是唯一的# var_1 = tf.Variable(initial_value=intit_value_1, name='var')# var_2 = tf.Variable(initial_value=intit_value_2, name='var')#如果要實現共享,initializer必須要顯示指定var_1=tf.get_variable(initializer=intit_value_1,dtype=tf.float64,name='var')var_2 = tf.get_variable(initializer=intit_value_2,dtype=tf.float64, name='var') with tf.Session()as ss:ss.run(tf.global_variables_initializer())print(ss.run([var_1,var_2]))

?

總結

以上是生活随笔為你收集整理的深度学习tensorflow变量op的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。