Tensorflow - Name Scope

文章均迁移到我的主页 http://zhenlianghe.com

my github: https://github.com/LynnHo

tf.name_scope(name, default_name=None, values=None)

  1. 域重名
    • 当命名域重名的时候,tf.name_scope会自动对重名的域打上序号
      with tf.name_scope('s'):
          a = tf.placeholder(dtype=tf.int64, name='a')
      with tf.name_scope('s'):
          b = tf.placeholder(dtype=tf.int64, name='b')
      print(a.name)
      print(b.name)
      
      [out]
      s/a:0
      s_1/b:0
      

tf.variable_scope(name_or_scope, default_name=None, values=None, initializer=None, regularizer=None, caching_device=None, partitioner=None, custom_getter=None, reuse=None, dtype=None, use_resource=None)

  1. 这个函数会同时创建一个name_scope,即相当于先调用了一次tf.name_scope
  2. 域重名
    • 当变量域重名的时候,官方文档 -> If name_or_scope is not None, it is used as is. If scope is None, then default_name is used. In that case, if the same name has been previously used in the same scope, it will made unique be appending _N to it.
      • 如果给定了name_or_scope,那么两个重名的变量域对tf.get_variable生成的变量来说实际上是同一个域,而对于ops来说则是不同的命名域。可以理解为除了tf.get_variable生成的变量,其他ops均受到这个函数创建的tf.name_scope影响
        with tf.variable_scope('s'):
            a = tf.get_variable(name='a', shape=(2))
            c = tf.placeholder(dtype=tf.int64, name='c')
        with tf.variable_scope('s'):
            b = tf.get_variable(name='b', shape=(2))
            d = tf.placeholder(dtype=tf.int64, name='d')
        print(a.name)
        print(b.name)
        print(c.name)
        print(d.name)
        
        [out]        
        s/a:0
        s/b:0
        s/c:0
        s_1/d:0
        
      • 如果name_or_scope为None,那么tf将对重复的命名域打上序号,这个对一些函数式的layer很重要
        
        with tf.variable_scope(None, 's'):
            a = tf.get_variable(name='a', shape=(2))
            c = tf.placeholder(dtype=tf.int64, name='c')
        with tf.variable_scope(None, 's'):
            b = tf.get_variable(name='b', shape=(2))
            d = tf.placeholder(dtype=tf.int64, name='d')
        print(a.name)
        print(b.name)
        print(c.name)
        print(d.name)
        
        [out]
        s/a:0
        s_1/b:0
        s/c:0
        s_1/d:0
        
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 210,914评论 6 490
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 89,935评论 2 383
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 156,531评论 0 345
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,309评论 1 282
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,381评论 5 384
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,730评论 1 289
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,882评论 3 404
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,643评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,095评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,448评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,566评论 1 339
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,253评论 4 328
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,829评论 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,715评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,945评论 1 264
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,248评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,440评论 2 348

推荐阅读更多精彩内容