在TensorFlow中，如何查看批处理规范化参数？

我正在网络中使用

tf.layers.batch\u规范化
层。如您所知，批量标准化将可训练参数gamma和beta应用于该层中的每个单位u_i，为各种输入x选择其自身的标准偏差和u_i（x）的平均值。通常，gamma初始化为1，beta初始化为0

我感兴趣的是窥探各个单位正在学习的gamma和beta值，以收集关于网络训练后它们最终走向的统计数据。如何在每个训练实例中查看它们的当前值？
您可以获取批处理规范化层范围内的所有变量并打印它们。例如：

import tensorflow as tf

tf.reset_default_graph()
x = tf.constant(3.0, shape=(3,))
x = tf.layers.batch_normalization(x)

print(x.name) # batch_normalization/batchnorm/add_1:0

variables = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES,
                              scope='batch_normalization')
print(variables)

#[<tf.Variable 'batch_normalization/gamma:0' shape=(3,) dtype=float32_ref>,
# <tf.Variable 'batch_normalization/beta:0' shape=(3,) dtype=float32_ref>,
# <tf.Variable 'batch_normalization/moving_mean:0' shape=(3,) dtype=float32_ref>,
#  <tf.Variable 'batch_normalization/moving_variance:0' shape=(3,) dtype=float32_ref>]

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    gamma = sess.run(variables[0])
    print(gamma) # [1. 1. 1.]

将tensorflow导入为tf
tf.reset_default_graph（）
x=tf.常数（3.0，形状=（3，））
x=tf.layers.batch_归一化（x）
打印（x.name）#批次标准化/批次标准化/添加1:0
变量=tf.get_集合（tf.GraphKeys.GLOBAL_变量，
scope='batch_normalization'）
打印（变量）
#[,
# ,
# ,
#  ]
使用tf.Session（）作为sess：
sess.run（tf.global\u variables\u initializer（））
gamma=sess.run（变量[0]）
打印（伽马）#[1.1.1]
谢谢！我推测范围
批处理规范化
是由层自动添加的？