python人工智能tensorflow函數(shù)tf.get_variable使用方法

更新時間：2022年05月05日 11:01:27 作者：Bubbliiiing

這篇文章主要為大家介紹了python人工智能tensorflow函數(shù)tf.get_variable使用方法示例，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪

參數(shù)數(shù)量及其作用

該函數(shù)共有十一個參數(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

截斷正態(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
 #截斷正態(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("截斷正態(tài)分布初始化器v1_trun:",sess.run(v1_trun))
     print("截斷正態(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]]
 截斷正態(tài)分布初始化器v1_trun: [[-0.52284956 -0.77045     1.9507815   0.96106136]]
 截斷正態(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使用方法的詳細內(nèi)容，更多關(guān)于能tensorflow函數(shù)tf.get_variable的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: