您的位置:首页 > 其它

TensorFlow入门 - 变量(Variables)

2017-03-23 12:19 381 查看
训练模型时,需要使用变量(Variables)保存和更新参数。Variables是包含张量(tensor)的内存缓冲。变量必须要先被初始化(initialize),而且可以在训练时和训练后保存(save)到磁盘中。之后可以再恢复(restore)保存的变量值来训练和测试模型。

主要参考一下两类:

- The tf.Variable class.

- The tf.train.Saver class.

1.创建(Creation)

创建Variable,需将一个tensor传递给Variable()构造函数。可以使用TensorFlow提供的许多ops(操作)初始化张量,参考constants or random values。这些ops都要求指定tensor的shape(形状)。比如

Create two variables.

weights = tf.Variable(tf.random_normal([784, 200], stddev=0.35),

name=”weights”)

biases = tf.Variable(tf.zeros([200]), name=”biases”)

调用tf.Variable()函数在graph中增加以下几个ops:

- 一个
Variable
op ,负责保存变量值。

- 一个
initializer
op,负责将变量设为初始值,这实际是
tf.assign
op。

- 初始值的op,比如
zeros
op 。

tf.Variable()
返回一个
tf.Variable
类的实例。

2.设备安置(Device placement)

使用 with tf.device(…): block,将一个变量安置在一个设备上。

Pin a variable to CPU.

with tf.device(“/cpu:0”):

v = tf.Variable(…)

Pin a variable to GPU.

with tf.device(“/gpu:0”):

v = tf.Variable(…)

Pin a variable to a particular parameter server task.

with tf.device(“/job:ps/task:7”):

v = tf.Variable(…)

改变变量的一些ops,比如
v.assign()
tf.train.Optimizer
需要与变量在同一个设备上。

3.初始化(Initialization)

在运行模型中其他操作之前,必须先对变量进行初始化。最简单的初始化方法是添加一个对所有变量进行初始化的op,然后再使用model前运行此op。

3.1全局初始化

使用
tf.global_variables_initializer()
添加一个op来运行初始化。要在完全构建完模型后,在一个对话(Session)中运行它。

Create two variables.

weights = tf.Variable(tf.random_normal([784, 200], stddev=0.35),

name=”weights”)

biases = tf.Variable(tf.zeros([200]), name=”biases”)



Add an op to initialize the variables.

init_op = tf.global_variables_initializer()

Later, when launching the model

with tf.Session() as sess:

# Run the init operation.

sess.run(init_op)



# Use the model



3.2 用其他变量值创建变量

用变量A的值初始化另一个变量B,需使用变量A的属性(property)
initialized_value()
。可以直接使用变量A的初始值,也可以用之计算新的值。

Create a variable with a random value.

weights = tf.Variable(tf.random_normal([784, 200], stddev=0.35),

name=”weights”)

Create another variable with the same value as ‘weights’.

w2 = tf.Variable(weights.initialized_value(), name=”w2”)

Create another variable with twice the value of ‘weights’

w_twice = tf.Variable(weights.initialized_value() * 2.0, name=”w_twice”)

3.3自定义初始化

可以给
tf.global_variables_initializer()
添加一个显示列表自定义要初始化的变量。参考Variables Documentation了解更多。

4.保存和恢复Saving and Restoring

最简单的方法是用
tf.train.Saver
对象,此构造函数在graph中为所有变量(or a specified list)添加save和restore ops。saver对象提供运行这些ops的方法,并指定读写checkpoint files的路径。

4.1 checkpoint文件

变量存储在一个二进制文件中,包含从变量名称到张量值的映射。

创建checkpoint files时,可以选择性地选择变量名称来保存。默认情况,它使用每个Variable的
Variable.name
属性。

可以使用inspect_checkpoint库查看checkpoint file中的变量,还有
print_tensrs_in_checkpoint_file
函数。

4.2保存变量

tf.train.Saver()
创建一个
Saver
对象来管理模型中所有变量。

Create some variables.

v1 = tf.Variable(…, name=”v1”)

v2 = tf.Variable(…, name=”v2”)



Add an op to initialize the variables.

init_op = tf.global_variables_initializer()

Add ops to save and restore all the variables.

saver = tf.train.Saver()

Later, launch the model, initialize the variables, do some work, save the variables to disk.

with tf.Session() as sess:

sess.run(init_op)

Do some work with the model.

..

Save the variables to disk.

save_path = saver.save(sess, “/tmp/model.ckpt”)

print(“Model saved in file: %s” % save_path)

先初始化变量,再操作模型,最后保存变量。

4.3恢复变量

使用同样的Saver对象恢复变量,恢复变量时,就不用先初始化变量了。

Create some variables.

v1 = tf.Variable(…, name=”v1”)

v2 = tf.Variable(…, name=”v2”)



Add ops to save and restore all the variables.

saver = tf.train.Saver()

Later, launch the model, use the saver to restore variables from disk, and

do some work with the model.

with tf.Session() as sess:

Restore variables from disk.

saver.restore(sess, “/tmp/model.ckpt”)

print(“Model restored.”)

Do some work with the model



无初始化操作,先恢复变量,再操模型。

4.4选择保存和恢复的变量

如果不给
tf.train.Saver
传递任何参数,Saver会在graph中处理所有变量。每个变量会存在他们创建时的name下。

通过给
tf.train.Saver
传递一个Python字典,可以指定保存变量的name。key是要在checkpoint file中使用的name, values指要管理的变量。

注意:

可以创建多个saver,分别保存不同的变量集合。

如果在对话开始时,只恢复了部分变量,就要对其他变量运行initializer op。参考tf.variables_initializer()

Create some variables.

v1 = tf.Variable(…, name=”v1”)

v2 = tf.Variable(…, name=”v2”)



Add ops to save and restore only ‘v2’ using the name “my_v2”

saver = tf.train.Saver({“my_v2”: v2})

Use the saver object normally after that.

内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签: