tf.compat.v1.get_variable

Получает существующую переменную с этими параметрами или создаёт новую.

tf.compat.v1.get_variable(
    name,
    shape=None,
    dtype=None,
    initializer=None,
    regularizer=None,
    trainable=None,
    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
)

Хотя 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 декоратором tf.compat.v1.keras.utils.track_tf1_style_variables. (Хотя он будет вести себя так, как будто reuse всегда равен 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 каждый раз создавать совершенно новую переменную и никогда не будет повторно использовать переменные, независимо от имён переменных или аргументов reuse.

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

Раздел руководства по миграции содержит дополнительные сведения об инкрементной миграции этих использований в tf.Variable.

Примечание: Аргумент partitioner не совместим 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 многопроцессорных CPU/GPU и руководствах по ParameterServerStrategy, на которые оно ссылается.

Описание

Используется в ноутбуках

Эта функция добавляет префикс к имени с текущим пространством имён переменных и выполняет проверки повторного использования. Подробное описание работы повторного использования см. в Руководстве по пространству имён переменных. Вот 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), используется начальный инициализатор, переданный в пространстве имён переменных. Если и он равен None, будет использован инициализатор по умолчанию. Инициализатор также может быть тензором, в этом случае переменная инициализируется этим значением и формой.

Аналогично, если regularizer равен None (по умолчанию), используется регулярный regularizer, переданный в пространстве имён переменных (если и он равен None, то по умолчанию никакая регуляризация не выполняется).

Если указан partitioner, возвращается PartitionedVariable. Доступ к этому объекту как к Tensor возвращает фрагменты, конкатенированные вдоль оси разбиения.

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

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