python人工智能tensorflow函數(shù)tf.get_variable使用方法
參數(shù)數(shù)量及其作用
該函數(shù)共有十一個(gè)參數(shù),常用的有:
名稱 name
變量規(guī)格 shape
變量類型 dtype
變量初始化方式 initializer
所屬于的集合 collections
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):
該函數(shù)的作用是創(chuàng)建新的tensorflow變量
常見的initializer有:
常量初始化器 tf.constant_initializer
正太分布初始化器 tf.random_normal_initializer
截?cái)嗾龖B(tài)分布初始化器 tf.truncated_normal_initializer
均勻分布初始化器 tf.random_uniform_initializer
例子
該例子將分別講述常見的幾種initializer的使用方法
import tensorflow as tf; import numpy as np; #常量初始化器 v1_cons = tf.get_variable('v1_cons', shape=[1,4], initializer=tf.constant_initializer()) v2_cons = tf.get_variable('v2_cons', shape=[1,4], initializer=tf.constant_initializer(9)) #正太分布初始化器 v1_nor = tf.get_variable('v1_nor', shape=[1,4], initializer=tf.random_normal_initializer()) v2_nor = tf.get_variable('v2_nor', shape=[1,4], initializer=tf.random_normal_initializer(mean=0, stddev=5, seed=0))#均值、方差、種子值 #截?cái)嗾龖B(tài)分布初始化器 v1_trun = tf.get_variable('v1_trun', shape=[1,4], initializer=tf.truncated_normal_initializer()) v2_trun = tf.get_variable('v2_trun', shape=[1,4], initializer=tf.truncated_normal_initializer(mean=0, stddev=5, seed=0))#均值、方差、種子值 #均勻分布初始化器 v1_uni = tf.get_variable('v1_uni', shape=[1,4], initializer=tf.random_uniform_initializer()) v2_uni = tf.get_variable('v2_uni', shape=[1,4], initializer=tf.random_uniform_initializer(maxval=-1., minval=1., seed=0))#最大值、最小值、種子值 with tf.Session() as sess: sess.run(tf.global_variables_initializer()) print("常量初始化器v1_cons:",sess.run(v1_cons)) print("常量初始化器v2_cons:",sess.run(v2_cons)) print("正太分布初始化器v1_nor:",sess.run(v1_nor)) print("正太分布初始化器v2_nor:",sess.run(v2_nor)) print("截?cái)嗾龖B(tài)分布初始化器v1_trun:",sess.run(v1_trun)) print("截?cái)嗾龖B(tài)分布初始化器v2_trun:",sess.run(v2_trun)) print("均勻分布初始化器v1_uni:",sess.run(v1_uni)) print("均勻分布初始化器v2_uni:",sess.run(v2_uni))
其輸出為:
常量初始化器v1_cons: [[0. 0. 0. 0.]] 常量初始化器v2_cons: [[9. 9. 9. 9.]] 正太分布初始化器v1_nor: [[-0.7286455 -0.03095582 1.6400269 -0.90134907]] 正太分布初始化器v2_nor: [[-1.9957879 10.522196 0.8553612 2.7325907]] 截?cái)嗾龖B(tài)分布初始化器v1_trun: [[-0.52284956 -0.77045 1.9507815 0.96106136]] 截?cái)嗾龖B(tài)分布初始化器v2_trun: [[-1.9957879 0.8553612 2.7325907 2.1127698]] 均勻分布初始化器v1_uni: [[0.5369104 0.05912018 0.1587832 0.2859378 ]] 均勻分布初始化器v2_uni: [[ 0.79827476 -0.9403336 -0.69752836 0.9034374 ]]
以上就是python人工智能tensorflow函數(shù)tf.get_variable使用方法的詳細(xì)內(nèi)容,更多關(guān)于能tensorflow函數(shù)tf.get_variable的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!
相關(guān)文章
python隨機(jī)生成庫faker庫api實(shí)例詳解
今天小編就為大家分享一篇python隨機(jī)生成庫faker庫api實(shí)例詳解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-11-11Python解析json之ValueError: Expecting property name enclosed in
這篇文章主要給大家介紹了關(guān)于Python解析json報(bào)錯(cuò):ValueError: Expecting property name enclosed in double quotes: line 1 column 2(char 1)的解決方法,文中介紹的非常詳細(xì),需要的朋友們可以參考借鑒,下面來一起看看吧。2017-07-07Django Haystack 全文檢索與關(guān)鍵詞高亮的實(shí)現(xiàn)
這篇文章主要介紹了Django Haystack 全文檢索與關(guān)鍵詞高亮的實(shí)現(xiàn),文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-02-02python opencv實(shí)現(xiàn)旋轉(zhuǎn)矩形框裁減功能
這篇文章主要為大家詳細(xì)介紹了python opencv實(shí)現(xiàn)旋轉(zhuǎn)矩形框裁減功能,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2018-07-07Python實(shí)現(xiàn)網(wǎng)站表單提交和模板
今天小編就為大家分享一篇關(guān)于Python實(shí)現(xiàn)網(wǎng)站表單提交和模板,小編覺得內(nèi)容挺不錯(cuò)的,現(xiàn)在分享給大家,具有很好的參考價(jià)值,需要的朋友一起跟隨小編來看看吧2019-01-01Python?內(nèi)置logging?使用詳細(xì)介紹
提供日志記錄的接口和眾多處理模塊,供用戶存儲(chǔ)各種格式的日志,幫助調(diào)試程序或者記錄程序運(yùn)行過程中的輸出信息,這篇文章主要介紹了Python?內(nèi)置logging?使用講解,需要的朋友可以參考下2022-07-07