Python tf.compat.v1.variable_creator_scope用法及代码示例

定义variable() 使用的变量创建函数的范围。

用法

@tf_contextlib.contextmanager
tf.compat.v1.variable_creator_scope(
    variable_creator
)

variable_creator 应该是具有以下签名的函数：

def variable_creator(next_creator, **kwargs)

如果创建者确实想创建变量而不是直接调用 Variable 或 ResourceVariable，则应该最终调用 next_creator 来创建变量。这有助于使创作者可组合。创建者可以选择创建多个变量，返回已经存在的变量，或者简单地注册一个变量被创建并推迟到下一个创建者。创建者还可以修改下一个创建者看到的关键字参数。

变量范围内的自定义 getter 在创建变量时最终将解析为这些自定义创建者。

kwds 中的有效关键字参数是：

• initial_value:A Tensor ，或可转换为 Tensor 的 Python 对象，这是变量的初始值。除非 validate_shape 设置为 False，否则初始值必须具有指定的形状。也可以是不带参数的可调用对象，在调用时返回初始值。在这种情况下，必须指定dtype。 (请注意，init_ops.py 中的初始化函数必须先绑定到形状，然后才能在此处使用。)
• 可训练：如果 True ，默认值，也将变量添加到图形集合 GraphKeys.TRAINABLE_VARIABLES 。此集合用作Optimizer 类使用的默认变量列表。 trainable 默认为 True ，除非 synchronization 设置为 ON_READ ，在这种情况下它默认为 False 。
• 集合：图形集合键的列表。新变量将添加到这些集合中。默认为 [GraphKeys.GLOBAL_VARIABLES] 。
• validate_shape:If False ，允许使用未知形状的值初始化变量。如果 True 是默认值，则必须知道 initial_value 的形状。
• caching_device：可选设备字符串，说明应缓存变量以供读取的位置。默认为变量的设备。如果不是 None ，则缓存在另一台设备上。典型用途是在使用变量的操作所在的设备上进行缓存，通过Switch 和其他条件语句进行重复数据删除。
• name：变量的可选名称。默认为 'Variable' 并自动获取唯一性。
• dtype：如果设置，initial_value 将被转换为给定的类型。如果 None ，或者保留数据类型(如果 initial_value 是张量)，或者 convert_to_tensor 将决定。
• 约束：在某些算法更新后应用于变量的约束函数。
• use_resource：如果为真，则始终创建 ResourceVariable。
• 同步：指示何时聚合分布式变量。接受的值是在类 tf.VariableSynchronization 中定义的常量。默认情况下，同步设置为AUTO，当前的DistributionStrategy 选择何时同步。
• 聚合：指示如何聚合分布式变量。接受的值是在类 tf.VariableAggregation 中定义的常量。

这个集合可能会随着时间的推移而增长，因此创作者的签名如上所述是很重要的。