tf.compat.v1.get_local_variable

Возвращает существующую локальную переменную или создает новую.

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 API compat.v1, tf.compat.v1.get_variable в основном совместим с eager execution и tf.function, но только при использовании вместе с декоратором tf.compat.v1.keras.utils.track_tf1_style_variables. (При этом функция будет вести себя так, как если бы для повторного использования всегда было задано значение AUTO_REUSE.)

Дополнительные сведения см. в руководстве по переносу моделей.

Если не использовать эту функцию вместе с tf.compat.v1.keras.utils.track_tf1_style_variables, get_variable будет создавать новую переменную при каждом вызове и никогда не будет повторно использовать переменные независимо от их имен или аргументов reuse.

Эквивалентом этого символа в TF2 будет tf.Variable, однако при использовании tf.Variable необходимо самостоятельно отслеживать переменные (и аргументы регуляризатора) либо с помощью механизмов tf.Module или tf.keras.layers.Layer.

Дополнительные сведения о постепенном переносе этих вариантов использования на tf.Variable приведены в разделе руководства по переносу.

Примечание: Аргумент partitioner несовместим с поведением TF2 даже при использовании tf.compat.v1.keras.utils.track_tf1_style_variables. Его можно заменить с помощью ParameterServerStrategy и соответствующих функций разбиения. Дополнительные сведения см. в руководстве по переходу на несколько GPU и руководствах по ParameterServerStrategy, на которые в нем даны ссылки.

Описание

Поведение такое же, как у get_variable, за исключением того, что переменные добавляются в коллекцию LOCAL_VARIABLES, а для trainable задается значение False. Эта функция добавляет к имени префикс текущей области видимости переменных и проверяет возможность повторного использования. Подробное описание повторного использования см. в руководстве по области видимости переменных. Вот простой 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 инициализатор — None (значение по умолчанию), будет использоваться инициализатор по умолчанию, заданный в области видимости переменных. Если и он равен None, будет использоваться glorot_uniform_initializer. Инициализатором также может быть Tensor; в этом случае переменная инициализируется этим значением и формой.

Аналогично, если регуляризатор — None (значение по умолчанию), будет использоваться регуляризатор по умолчанию, заданный в области видимости переменных (если и он равен None, регуляризация по умолчанию не выполняется).

Если указана функция разбиения, возвращается PartitionedVariable. При обращении к этому объекту как к Tensor фрагменты объединяются вдоль оси разбиения.

Доступны несколько полезных функций разбиения. См., например, variable_axis_size_partitioner и min_max_variable_partitioner.

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