使用tf.get_variable()获取变量

如果使用之前定义的名称定义变量，则 TensorFlow 会抛出异常。因此，使用tf.get_variable()函数代替tf.Variable()很方便。函数tf.get_variable()返回具有相同名称的现有变量（如果存在），并创建具有指定形状的变量和初始化器（如果它不存在）。例如：

w = tf.get_variable(name='w',shape=[1],dtype=tf.float32,initializer=[.3])
b = tf.get_variable(name='b',shape=[1],dtype=tf.float32,initializer=[-.3])

初始化程序可以是上面示例中显示的张量或值列表，也可以是内置初始化程序之一：

• tf.constant_initializer
• tf.random_normal_initializer
• tf.truncated_normal_initializer
• tf.random_uniform_initializer
• tf.uniform_unit_scaling_initializer
• tf.zeros_initializer
• tf.ones_initializer
• tf.orthogonal_initializer

在分布式 TensorFlow 中，我们可以跨机器运行代码，tf.get_variable()为我们提供了全局变量。要获取局部变量，TensorFlow 具有类似签名的函数：tf.get_local_variable()。

共享或重用变量：获取已定义的变量可促进重用。但是，如果未使用tf.variable_scope.reuse_variable()或tf.variable.scope(reuse=True)设置重用标志，则会抛出异常。

现在您已经学会了如何定义张量，常量，运算，占位符和变量，让我们了解 TensorFlow 中的下一级抽象，它将这些基本元素组合在一起形成一个基本的计算单元，即数据流图或计算图。