Python tf.init_scope用法及代码示例

一个上下文管理器，可将操作从 control-flow 范围和 function-building 图表中提取出来。

用法

@tf_contextlib.contextmanager
tf.init_scope()

通常需要将变量初始化操作从control-flow 范围、function-building 图形和渐变磁带中提升出来。输入init_scope 是满足这些需求的一种机制。特别是，输入 init_scope 具有三个效果：

(1)在进入范围的那一刻清除所有的控制依赖；这等效于进入从 control_dependencies(None) 返回的上下文管理器，它具有退出 control-flow 作用域(如 tf.cond 和 tf.while_loop )的副作用。

(2) 在作用域处于活动状态时创建的所有操作都被提升到context_stack 上未构建图形函数的最低上下文中。在这里，上下文被定义为图形或即刻的上下文。每个上下文切换，即作为默认图的每个图的安装和每个切换到渴望模式的切换，都记录在名为 context_switches 的线程本地堆栈中；当上下文退出时，上下文切换的日志条目会从堆栈中弹出。输入 init_scope 相当于向上爬 context_switches ，找到第一个没有构建图函数的上下文，然后输入它。需要注意的是，如果启用了图形模式但默认图形堆栈为空，则输入 init_scope 将简单地安装一个新图形作为默认图形。

(3) 示波器处于活动状态时，梯度磁带暂停。

启用即刻执行后，即使在跟踪 tf.function 时，init_scope 块内的代码也会在启用即刻执行的情况下运行。例如：

tf.compat.v1.enable_eager_execution()

@tf.function
def func():
  # A function constructs TensorFlow graphs,
  # it does not execute eagerly.
  assert not tf.executing_eagerly()
  with tf.init_scope():
    # Initialization runs with eager execution enabled
    assert tf.executing_eagerly()