tf.get_variable

Получает существующую переменную с этими параметрами или создаёт новую.

tf.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.VariableAggregation.NONE
)

Эта функция префиксрует имя текущим scope переменных и выполняет проверки повторного использования. См. Руководство по использованию scope переменных для подробного описания принципов повторного использования. 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 None (по умолчанию), будет использован initializer по умолчанию, переданный в scope переменных. Если и он None , будет использован glorot_uniform_initializer. Initializer также может быть тензором, в этом случае переменная будет инициализирована этим значением и формой.

Аналогично, если regularizer None (по умолчанию), будет использован regularizer по умолчанию, переданный в scope переменных (если и он None , то по умолчанию регуляризация не выполняется).

Если предоставлен partitioner, возвращается PartitionedVariable. Обращение к этому объекту как к Tensor возвращает фрагменты, конкатенированные вдоль оси разделения.

Доступны некоторые полезные 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)