Inhaltsverzeichnis:

Wie verwenden Sie Variablen in TensorFlow wieder?
Wie verwenden Sie Variablen in TensorFlow wieder?

Video: Wie verwenden Sie Variablen in TensorFlow wieder?

Video: Wie verwenden Sie Variablen in TensorFlow wieder?
Video: Variablen und Training eines linearen Modells | TensorFlow #2 2024, November
Anonim

Letzte Worte

  1. Wiederverwendung bedeutet das gleiche zu teilen Variable zwischen verschiedenen Objekten.
  2. Wenn Sie a. teilen möchten Variable , wenn Sie sich das zweite Mal darauf beziehen, müssen Sie explizit angeben „ Wiederverwendung =Wahr“im Variable Umfang der Variable das willst du Wiederverwendung , oder.
  3. setze die Variable Spielraum zu „ Wiederverwendung =tf. AUTO_REUSE”

Zu wissen ist auch, was ist der variable Geltungsbereich in TensorFlow?

Variabler Geltungsbereich ermöglicht es Ihnen, neue zu erstellen Variablen und um bereits erstellte zu teilen und gleichzeitig Schecks bereitzustellen, um nicht versehentlich zu erstellen oder zu teilen.

Man kann sich auch fragen, was macht TF Global_variables_initializer? tf . global_variables_initializer () tut dies automatisch und sofort. Diese Funktion spart Zeit, aber technisch gesehen Sie tun muss es nicht aufrufen und könnte Ihre Variablen auf andere Weise initialisieren (häufigstes Beispiel: Wiederherstellen von Gewichten aus einer Datei).

Wie initialisieren Sie dann eine TensorFlow-Variable?

Zu initialisieren eine neue Variable vom Wert eines anderen Variable benutze den anderen Variablen initialized_value()-Eigenschaft. Du kannst den … benutzen initialisiert Wert direkt als Anfangswert für das neue Variable , oder Sie können ihn wie jeden anderen Tensor verwenden, um einen Wert für das neue zu berechnen Variable.

Was ist TF Get_variable?

get_variable () wird verwendet, um eine Variable zu erhalten oder zu erstellen, anstatt einen direkten Aufruf an tf . Variabel. Es verwendet einen Initialisierer, anstatt den Wert direkt zu übergeben, wie in tf . Variabel. Ein Initialisierer ist eine Funktion, die die Form annimmt und einen Tensor mit dieser Form bereitstellt.

Empfohlen: