Python Tensorflow tf.layers、tf.contrib.layers不使用可变范围_Python_Tensorflow

Python Tensorflow tf.layers、tf.contrib.layers不使用可变范围

python tensorflow

Python Tensorflow tf.layers、tf.contrib.layers不使用可变范围,python,tensorflow,Python,Tensorflow,我开始使用TensorFlow进行一些简单的Q学习，但在尝试使用变量作用域和使用tf.layers和tf.contrib.layers构建的层时遇到了麻烦。简而言之，我想将相同的层应用于不同的输入张量（例如，保持当前和下一个Q值）。下面是一个使用tf.layers的最小示例： import tensorflow as tf inp1 = tf.placeholder(tf.float64, (4,1)) inp2 = tf.placeholder(tf.float64, (4,1)) def

我开始使用TensorFlow进行一些简单的Q学习，但在尝试使用变量作用域和使用

tf.layers

和

tf.contrib.layers

构建的层时遇到了麻烦。简而言之，我想将相同的层应用于不同的输入张量（例如，保持当前和下一个Q值）。下面是一个使用

tf.layers

的最小示例：

import tensorflow as tf

inp1 = tf.placeholder(tf.float64, (4,1))
inp2 = tf.placeholder(tf.float64, (4,1))

def process(inp):
    with tf.variable_scope("foo", reuse=True):
        return tf.layers.dense(inp, 12, name="bar", reuse=True)

process(inp1)
process(inp2)

尝试执行此代码会出现以下异常：

ValueError: Variable foo/bar/kernel does not exist, or was not created with
tf.get_variable(). Did you mean to set reuse=None in VarScope?

ValueError: Variable foo/bar/kernel already exists, disallowed. 
Did you mean to set reuse=True in VarScope?

我知道在

tf.layers.dense（）

中设置

reuse=True

会使它试图找到一个已经定义的层，但可能无法找到。但是如果我将调用更改为

tf.layers.dense（inp，12，name=“bar”）

，那么它将失败，并出现相同的异常

如果我在

tf.variable\u scope（）

中设置了

reuse=None

，则后一个版本在调用

进程（inp2）

时失败，例外情况是：

ValueError: Variable foo/bar/kernel does not exist, or was not created with
tf.get_variable(). Did you mean to set reuse=None in VarScope?

ValueError: Variable foo/bar/kernel already exists, disallowed. 
Did you mean to set reuse=True in VarScope?

不幸的是，使用

tf.contrib.layers

时也会出现类似的错误

我的问题是：有没有办法让

tf.layers

使用可变范围？我知道我可以分别定义权重和偏差，但最好保留

tf.layers

给出的抽象。非常感谢

我的安装程序是TensorFlow 1.3.0（CPU），在Windows 10上运行Python 3.6.1（通过64位Anaconda 4.4.0上的pip安装）

另外，我在的第17页发现了层变量作用域的使用。

两个错误是不同的：第一个错误发生在

过程（inp1）

中，它试图找到存在的变量，但没有；第二个发生在

进程（inp2）

中，其中存在同名变量，但它尝试创建同名的新变量，这是不允许的

我猜你想在Q学习中重用这些变量。因此，解决方案非常简单：第一次定义这些变量时，不要使用

reuse

，然后可以设置

reuse=True

在你的演讲中，我想他们之前已经定义了变量

这将帮助您了解更多信息。