我玩了一点
import tensorflow as tf x = tf.Variable([1.0,2.0]) initializer = tf.global_variables_initializer() session.run(initializer) x <tf.Variable 'Variable:0' shape=(2,) dtype=float32_ref> y = 2 * x y <tf.Tensor 'mul:0' shape=(2,) dtype=float32> z = y + 1 z <tf.Tensor 'add:0' shape=(2,) dtype=float32> v = session.run(x) sess.run(initializer) v = sess.run(x) print (v) [ 1. 2.] v1 = sess.run(z) print (v1) [ 3. 5.] v = sess.run(x)
我有3个变量x,y,z.是否可以显示使用提示中的一个命令定义的所有变量?
如果我尝试Jonas的建议
new = tf.trainable_variables() print (new) [<tf.Variable 'Variable:0' shape=(2,) dtype=float32_ref>]
解决方法
tf.trainable_variables()打印出图表中的所有可训练变量,在您的情况下,只有x.当你做y = 2 * x时,这实际上隐含地定义了一个常量值mul / x,并将原始变量作为Variable / read
如果您运行以下代码:
x = tf.Variable(1) y = 2 * x z = y + 1 for v in tf.get_default_graph().as_graph_def().node: print v.name
您将获得以下输出:
Variable/initial_value Variable Variable/Assign Variable/read mul/x mul add/y add
这些是图表中的所有节点.您可以使用它来过滤掉所需的所有相关信息.具体到你的情况,我不会调用y和z变量.
请注意,这是从图表而不是会话中获取所有信息.如果您想从特定会话中获取它,您需要获得相关会话并调用sess.graph.
最后一点,上面的例子使用了v.name,但是每个图节点实际上都有更多的属性,比如name,op,input,device,attr.有关更多信息,请参阅API.
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。