tf.compat.v1.get_variable

Получает существующую переменную с указанными параметрами или создает 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 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 поведение будет таким, как если бы для reuse всегда было задано значение AUTO_REUSE.)

Дополнительную информацию см. в руководстве по переносу моделей.

Если не использовать tf.compat.v1.keras.utils.track_tf1_style_variables, get_variable будет каждый раз создавать новую переменную и никогда не использовать повторно существующие переменные, независимо от имен переменных или аргументов reuse.

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

В разделе руководства по переносу также приведены дополнительные сведения о постепенном переходе от этих вариантов использования к tf.Variable.

Примечание: Аргумент partitioner несовместим с поведением TF2 даже при использовании tf.compat.v1.keras.utils.track_tf1_style_variables. Вместо него можно использовать ParameterServerStrategy и его разделители. Дополнительную информацию см. в руководстве по переходу на много-GPU и руководствах по ParameterServerStrategy, на которые в нем даны ссылки.

Описание

Используется в блокнотах

Эта функция добавляет к имени текущую область видимости переменной и проверяет возможность повторного использования. Подробное описание повторного использования см. в руководстве по областям видимости переменных. 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 initializer равен None (значение по умолчанию), будет использоваться initializer по умолчанию, заданный в области видимости переменной. Если и он равен None, будет использован glorot_uniform_initializer. В качестве initializer также можно указать Tensor; в этом случае переменная инициализируется этим значением и формой.

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

Если задан partitioner, возвращается PartitionedVariable. При обращении к этому объекту как к Tensor его фрагменты объединяются вдоль оси разбиения.

Доступны несколько полезных partitioner. См., например, variable_axis_size_partitioner и min_max_variable_partitioner.

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