获取TensorFlow

Question

与特定的张量都tf.Variables我想卫生组织名称包含n创建一个效用函数，我给它一个张量t和变量名n，函数返回（它存在）的variable并且是t图表的一部分。

def get_variable(t, n): 
    #code 
    return variable 

我想这样做的原因是，使用Jupyter我常常创建多个时间的图表，而决定的最佳结构，但张量名称不断变化的东西，如：{name}_{repetition}:0，所以寻找他们通过tf.all_variables()变得越来越更难。

如果我可以限制搜索到与特定张量有关的变量，因为它的标识符是最新的重复，会更容易。

Answer 1

（警告：我不会回答的主要问题有关创建效用函数）

究其原因，张量有这样的名字：{name}_{repetition}:0是不是因为你一次又一次这些张量添加到默认图。

一种解决方法是始终指定您与graph.as_default()工作图：

graph = tf.Graph() 
with graph.as_default(): 
    with tf.variable_scope('foo'): 
    var = tf.get_variable('var', []) 
    print var.name # should be 'foo/var:0' 
    tensor = tf.constant(2., name='tensor') 
    print tensor.name # should be 'foo/tensor:0' 

---

如果再次运行它，你会看到同样的结果，因为graph = tf.Graph()线将创建一个新图。

graph = tf.Graph() 
with graph.as_default(): 
    with tf.variable_scope('foo'): 
    var = tf.get_variable('var', []) 
    print var.name # should be 'foo/var:0' 
    tensor = tf.constant(2., name='tensor') 
    print tensor.name # should be 'foo/tensor:0' 

---

的缺点是，现在你可以不依赖于默认的图形，并应通过图表来计算，例如所有变量的列表：

print tf.all_variables() # returns [] 

with graph.as_default(): 
    print tf.all_variables() # returns [...] with all variables