Fatal编程技术网
  • machine-learning/
  • Machine learning 变量范围和变量范围之间的区别是什么？

Machine learning 变量范围和变量范围之间的区别是什么？

machine-learning tensorflow

Machine learning 变量范围和变量范围之间的区别是什么？,machine-learning,tensorflow,tensorflow-serving,Machine Learning,Tensorflow,Tensorflow Serving,在TensorFlow中，有两个作用域函数：variable\u ops\u scope和variable\u scope。第一个签名如下： variable_op_scope(values, name_or_scope, default_name,initializer, regularizer, caching_device, partitioner, reuse) 第一个参数值是什么意思default\u name仅在name\u或\u scope为

在TensorFlow中，有两个作用域函数：
variable\u ops\u scope
和
variable\u scope
。第一个签名如下：

variable_op_scope(values, name_or_scope, default_name,initializer, 
                  regularizer, caching_device, partitioner, reuse)
第一个参数
值
是什么意思
default\u name
仅在
name\u或\u scope
为
None
时使用，那么为什么此函数需要采用这两个参数呢？一个参数就足够了


一般来说，这两个范围之间有什么区别
 
variable\u ops\u scope
是
variable\u scope
的包装器。就像
tf.variable\u scope
，但执行另外两项操作：


  • 验证值是否来自同一图表
    • 

  • 如果
    name\u或\u scope
    为
    None
    ，则将使用
    默认\u name
    ，并在需要时对其进行非限定。请注意，如果
    name\u或\u scope
    不是
    None
    ，则将使用它，但不会对其进行非限定，并且不会使用
    default\u name
    •