tf.compat.v1.get_local_variable

Получение существующей локальной переменной или создание новой.

tf.compat.v1.get_local_variable(
    name,
    shape=None,
    dtype=None,
    initializer=None,
    regularizer=None,
    trainable=False,
    collections=None,
    caching_device=None,
    partitioner=None,
    validate_shape=True,
    use_resource=None,
    custom_getter=None,
    constraint=None,
    synchronization=tf.VariableSynchronization.AUTO,
    aggregation=tf.compat.v1.VariableAggregation.NONE
)

Несмотря на то, что это устаревший compat.v1 API, tf.compat.v1.get_variable в основном совместим с выполнением в режиме eager и tf.function, но только если вы объедините его с tf.compat.v1.keras.utils.track_tf1_style_variables декоратором. (Хотя он будет вести себя так, как будто reuse всегда установлен на AUTO_REUSE.)

Дополнительную информацию см. в руководстве по миграции моделей.

Если вы не объедините его с tf.compat.v1.keras.utils.track_tf1_style_variables, get_variable будет создавать совершенно новую переменную каждый раз при вызове и никогда не будет повторно использовать переменные, независимо от имен переменных или reuse аргументов.

Эквивалентом этого символа в TF2 будет tf.Variable, но обратите внимание, что при использовании tf.Variable вы должны убедиться, что отслеживаете свои переменные (и аргументы регуляризации) либо вручную, либо с помощью tf.Module или tf.keras.layers.Layer механизмов.

В разделе руководства по миграции содержатся дополнительные сведения об инкрементной миграции этих использований на tf.Variable.

Примечание: Аргумент partitioner несовместим с поведением TF2, даже при использовании tf.compat.v1.keras.utils.track_tf1_style_variables. Его можно заменить, используя ParameterServerStrategy и его партиционеры. Дополнительную информацию см. в руководстве по миграции для нескольких GPU и руководствах по ParameterServerStrategy, на которые оно ссылается.

Описание

Поведение такое же, как в get_variable, за исключением того, что переменные добавляются в коллекцию LOCAL_VARIABLES, и trainable устанавливается в False. Эта функция добавляет префикс к имени текущего пространства переменных и выполняет проверки повторного использования. Подробное описание работы повторного использования см. в разделе Как работать со scope переменных. Вот базовый пример:

def foo():
  with tf.variable_scope("foo", reuse=tf.AUTO_REUSE):
    v = tf.get_variable("v", [1])
  return v

v1 = foo()  # Creates v.
v2 = foo()  # Gets the same, existing v.
assert v1 == v2

Если initializer равен None (по умолчанию), будет использоваться инициализатор по умолчанию, переданный в пространстве переменных. Если и этот инициализатор равен None, будет использован инициализатор по умолчанию. Инициализатор также может быть тензором, в этом случае переменная будет инициализирована этим значением и формой.

Аналогично, если regularizer равен None (по умолчанию), будет использоваться regularizer по умолчанию, переданный в пространстве переменных (если он тоже равен None, то по умолчанию регуляризация не выполняется).

Если указан партиционер, возвращается PartitionedVariable. Обращение к этому объекту как к Tensor возвращает фрагменты, соединенные вдоль оси разделения.

Доступны некоторые полезные партиционеры. См., например, variable_axis_size_partitioner и min_max_variable_partitioner.

def custom_getter(getter, name, *args, **kwargs):
  return getter(name + '_suffix', *args, **kwargs)