Numpy 如何从两个不同的神经网络中获取两个变量列表

通常，如果我们在一个类中通过神经网络定义一个函数，那么在另一个类中，如果我们需要函数的参数或变量列表，在tensorflow中，我们可以使用

tf.get_集合（tf.GraphKeys.TRAINABLE_variables，scope=“function name”）

，这对我来说既方便又熟悉，虽然我想还有很多其他更有效的方法

然而，在某些情况下，我们可能需要定义一个基于两个不同神经网络的函数，例如

F（x）=F（NN_1（x），NN_2（x））

，那么在另一个类中，获得

NN_1（）

和

NN_2（）

的两个变量列表的正确方法是什么？很明显，使用

tf.get_集合（tf.GraphKeys.TRAINABLE_VARIABLES，scope=“function name

这里可以得到

F（x）

的混合变量列表，插入

NN_1

和

NN_2

的两个变量列表

def function()
    with tf.name_scope(function):
        with tf.name_scope(subfunction_1):
           neural_network_1
        with tf.name_scope(subfunction_2):
           neural_network_2

---

在名称作用域树中，您可以通过以下方式访问各个作用域变量：

vars_1 = tf.get_collection(
    tf.GraphKeys.TRAINABLE_VARIABLES, scope="function_name/subfunction_name_1")
vars_2 = tf.get_collection(
    tf.GraphKeys.TRAINABLE_VARIABLES, scope="function_name/subfunction_name_2")