Python 如何复制tensorflow层？

假设我在Tensorflow中有一个层（即同名作用域下的操作集合）。如何将其与输入连接一起复制

更具体地说，假设我有以下图表：

A --> B --> C --> D

现在我想将

C

复制为

C1

，其中

C

是一个完整的名称范围：

A --> B --> C --> D
        \-> C

如何在TensorFlow中实现这一点？

可以使用。让我们看看如何做到这一点：

导入tensorflow.contrib.graph\u编辑器作为ge
#获取给定层的子图视图
layer\u sgv=ge.make\u view\u from\u scope（layer\u name，tf.get\u default\u graph（））
#从ops外部检索层的传入张量。
#我们需要这些来在复制时保留输入层次结构。
替换_ts={}
对于层中的op_sgv.输入：
替换\u ts[op]=op
#复制图层
复制\u sgv，info=ge.copy\u与\u输入\u替换(
第二层sgv，
更换=更换，
src_scope=图层名称，
dst_范围=新层（层名称）

---

您可以在

子图形视图

上阅读更多内容解决方案可分为两部分

1.复制图层的图形 这很简单：只需使用创建该层的相同代码即可。我建议使用Keras而不是原始的TensorFlow，这将使您在执行此步骤时更加灵活和容易

2.复制重量 其思想是只需要复制

tf.Variables

，它基本上是一组以下操作：

初始值设定项

、

内核

和

赋值

。这是一个很好的解释。因此，代码如下所示：

vars=tf.trainable_variables（）#获取变量
vars_vals=sess.run（vars）#获取它们作为numpy数组的权重
vars_duplicates=…#在这里，获取你所在层的权重，
#那应该是相同的顺序
对于var，zip中的val（var_重复项，var_val）：
可变负载（val，sess）

谢谢！你知道我如何优雅地复制变量的权重吗？