TensorFlow：按名称获取变量答案

【问题标题】：TensorFlow: getting variable by nameTensorFlow：按名称获取变量
【发布时间】：2016-02-28 04:57:43
【问题描述】：

在使用 TensorFlow Python API 时，我创建了一个变量（未在构造函数中指定其 name），其 name 属性的值为 "Variable_23:0"。当我尝试使用tf.get_variable("Variable23") 选择此变量时，会创建一个名为"Variable_23_1:0" 的新变量。如何正确选择"Variable_23" 而不是创建一个新的？

我要做的是按名称选择变量，然后重新初始化它，以便微调权重。

【问题讨论】：

标签： tensorflow

【解决方案1】：

get_variable() 函数创建一个新变量或返回一个由get_variable() 先前创建的变量。它不会返回使用tf.Variable() 创建的变量。这是一个简单的例子：

>>> with tf.variable_scope("foo"):
...   bar1 = tf.get_variable("bar", (2,3)) # create
... 
>>> with tf.variable_scope("foo", reuse=True):
...   bar2 = tf.get_variable("bar")  # reuse
... 

>>> with tf.variable_scope("", reuse=True): # root variable scope
...   bar3 = tf.get_variable("foo/bar") # reuse (equivalent to the above)
... 
>>> (bar1 is bar2) and (bar2 is bar3)
True

如果您没有使用tf.get_variable() 创建变量，您有几个选择。首先，您可以使用tf.global_variables()（正如@mrry 建议的那样）：

>>> bar1 = tf.Variable(0.0, name="bar")
>>> bar2 = [var for var in tf.global_variables() if var.op.name=="bar"][0]
>>> bar1 is bar2
True

或者你可以像这样使用tf.get_collection()：

>>> bar1 = tf.Variable(0.0, name="bar")
>>> bar2 = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, scope="bar")[0]
>>> bar1 is bar2
True

编辑

你也可以使用get_tensor_by_name():

>>> bar1 = tf.Variable(0.0, name="bar")
>>> graph = tf.get_default_graph()
>>> bar2 = graph.get_tensor_by_name("bar:0")
>>> bar1 is bar2
False, bar2 is a Tensor througn convert_to_tensor on bar1. but bar1 equal 
bar2 in value.

回想一下，张量是操作的输出。它与操作同名，加上:0。如果操作有多个输出，则它们的名称与操作相同，加上:0、:1、:2 等。

【讨论】：

你能解释一下这里发生了什么吗？对我没用
@Matian2040 我改进了我的答案，希望现在应该清楚了。 :)

【解决方案2】：

按名称获取变量的最简单方法是在tf.global_variables() 集合中搜索它：

var_23 = [v for v in tf.global_variables() if v.name == "Variable_23:0"][0]

这适用于现有变量的临时重用。 Sharing Variables tutorial 中介绍了一种更结构化的方法（当您希望在模型的多个部分之间共享变量时）。

【讨论】：

你能提供一个共享变量的例子吗？它一直要求我重用，我明白这意味着什么，但我无法让 tensorflow 工作。
UPDATE:WARNING:tensorflow:From :1 in .: all_variables (from tensorflow.python.ops.variables) 已弃用，将在之后删除2017-03-02。更新说明：请改用 tf.global_variables。
嗨，谢谢。我有不同的情况。你能告诉我我可以使用get_tensor_by_name 或get variable by name 来得到tf.layers.dense 定义的东西，例如，means 在这个代码示例here 中。
不迭代所有创建的操作并改用密钥是不是更好的方法？
链接已失效。太旧了？

【解决方案3】：

如果您想从模型中获取任何存储的变量，请使用tf.train.load_variable("model_folder_name","Variable name")

【讨论】：

【解决方案4】：

根据@mrry 的回答，我认为创建和使用以下函数会更好，因为还有局部变量，以及其他不在全局变量中的变量（它们在不同的集合中）：

def get_var_by_name(query_name, var_list):
    """
    Get Variable by name

    e.g.
    local_vars = tf.get_collection(tf.GraphKeys.LOCAL_VARIABLES)
    the_var = get_var_by_name(local_vars, 'accuracy/total:0')
    """
    target_var = None
    for var in var_list:
        if var.name==query_name:
            target_var = var
            break
    return target_var

【讨论】：