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
)

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

Дополнительную информацию см. в руководстве по миграции модели https://www.tensorflow.org/guide/migrate/model_mapping.

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

Эквивалент этого символа в TF2 — 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 механизмов tf.Module или tf.keras.layers.Layer.

В руководстве по миграции https://www.tensorflow.org/guide/migrate/model_mapping#incremental_migration_to_native_tf2 приводятся дополнительные сведения о поэтапной миграции этих случаев использования на tf.Variable.

Примечание: Аргумент partitioner несовместим с поведением TF2, даже если используется tf.compat.v1.keras.utils.track_tf1_style_variables. Его можно заменить использованием ParameterServerStrategy и его разделителей. Дополнительную информацию см. в руководстве по миграции многопроцессорных CPU/GPU https://www.tensorflow.org/guide/migrate/multi_worker_cpu_gpu_training и руководствах ParameterServerStrategy, на которые оно ссылается.

Описание

Поведение аналогично get_variable, за исключением того, что переменные добавляются в коллекцию LOCAL_VARIABLES, а trainable устанавливается в False. Эта функция добавляет префикс к имени с текущим областью переменной и выполняет проверки повторного использования. Подробное описание работы повторного использования см. в разделе «Как работать с областями переменных» https://tensorflow.org/guide/variables. Вот пример основного использования:

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), используется инициализатор по умолчанию, переданный в области переменных. Если он также None, используется glorot_uniform_initializer. Инициализатор также может быть тензором, в этом случае переменная инициализируется этим значением и формой.

Аналогично, если regularizer — None (по умолчанию), используется регуляризатор по умолчанию, переданный в области переменных (если он тоже None , то по умолчанию регуляризация не выполняется).

Если указан разделитель, возвращается PartitionedVariable. Обращение к этому объекту как к Tensor возвращает фрагменты, соединённые вдоль оси разбиения.

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

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