tf.compat.v1.get_variable

Получает существующую переменную с указанными 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 используете его совместно с декоратором tf.compat.v1.keras.utils.track_tf1_style_variables. (Хотя он будет вести себя так, как будто reuse всегда установлен в AUTO_REUSE.)

См. руководство по миграции моделей https://www.tensorflow.org/guide/migrate/model_mapping для получения дополнительной информации.

Если вы не используете его совместно с tf.compat.v1.keras.utils.track_tf1_style_variables, get_variable будет создавать совершенно новую переменную каждый раз при вызове 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 вы должны убедиться, что отслеживаете свои переменные (и аргументы регуляризации) либо вручную, либо с помощью механизмов tf.Module или tf.keras.layers.Layer.

Раздел руководства по миграции https://www.tensorflow.org/guide/migrate/model_mapping#incremental_migration_to_native_tf2 содержит более подробную информацию по поэтапной миграции этих использований к tf.Variable.

Примечание: Аргумент partitioner несовместим с поведением TF2, даже при использовании tf.compat.v1.keras.utils.track_tf1_style_variables. Его можно заменить на использование ParameterServerStrategy и его партиционеров. Подробнее см. руководство по миграции для многопроцессорной CPU/GPU-тренировки https://www.tensorflow.org/guide/migrate/multi_worker_cpu_gpu_training и руководства, на которые оно ссылается.

Описание

Эта функция добавляет префикс к имени с текущим областью переменных и выполняет проверки повторного использования. Подробное описание работы повторного использования см. в разделе «Как использовать области переменных» https://tensorflow.org/guide/variables. Вот базовый 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 (по умолчанию), будет использоваться инициализатор по умолчанию, переданный в области переменных. Если и он None тоже, будет использоваться glorot_uniform_initializer. Инициализатор также может быть тензором, в этом случае переменная будет инициализирована этим значением и формой.

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

Если задан партиционер, возвращается PartitionedVariable. Обращение к этому объекту как к Tensor возвращает фрагменты, конкатенированные вдоль оси разбиения.

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

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