Machine learning 变量范围和变量范围之间的区别是什么?
在TensorFlow中,有两个作用域函数: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
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