如果變量存在，函數tf.get_variable()會返回現有的變量；如果變量不存在，會根據給定形狀和初始值創建一個新的變量。

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)

常用參數有：

name：變量名稱 shape：變量維度 initializer：變量初始化方式 regularizer：正規化 caching_device：可選的設備字符串或函數描述

還有tf.Variable()函數，

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)

兩者區別：
1、使用tf.Variable()時，如果檢測到命名沖突，系統會自己處理。使用tf.get_variable()時，系統不會處理沖突，而會報錯。
2、對于這兩個函數的特性，當我們需要共享變量的時候，需要使用tf.get_variable()。在其他情況下，這兩個的用法是一樣的。

總結

以上是生活随笔為你收集整理的tensorflow中tf.get_variable()函数详解的全部內容，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。