如何从两个不同的神经网络中获取两个变量列表答案

【问题标题】：How to get two variables list from two different neural networks如何从两个不同的神经网络中获取两个变量列表
【发布时间】：2017-08-24 00:28:30
【问题描述】：

通常，如果我们在一个类中通过神经网络定义一个函数，那么在另一个类中，如果我们需要函数的参数或变量列表，在tensorflow中可以使用tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES, scope="function name")，方便又熟悉，虽然我猜还有很多其他更有效的方法可以做到这一点。

然而，在某些情况下，我们可能需要定义一个基于两个不同神经网络的函数，比如F(x) = F(NN_1(x), NN_2(x))，然后在另一个类中，获取两者的两个变量列表的正确方法是什么@987654323 @ 和 NN_2()?很明显，在这里使用tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES, scope="function name 会导致在NN_1 和NN_2 的两个变量列表中插入F(x) 的混合变量列表。

def function()
    with tf.name_scope(function):
        with tf.name_scope(subfunction_1):
           neural_network_1
        with tf.name_scope(subfunction_2):
           neural_network_2

【问题讨论】：

标签： numpy machine-learning tensorflow

【解决方案1】：

在名称范围树中，您可以通过以下方式访问各个范围变量：

vars_1 = tf.get_collection(
    tf.GraphKeys.TRAINABLE_VARIABLES, scope="function_name/subfunction_name_1")
vars_2 = tf.get_collection(
    tf.GraphKeys.TRAINABLE_VARIABLES, scope="function_name/subfunction_name_2")

【讨论】：