get_collection和get_collection_ref有什么区别？
get_collection和get_collection_ref有什么区别？
提问于 2017-12-01 02:42:24
我已经检查了这两个方法的文档，但是它们看起来是一样的，只不过get_collection可以接受一个额外的作用域参数。
In [11]: aaa = tf.get_collection_ref(tf.GraphKeys.UPDATE_OPS)
In [12]: aaaa = tf.get_collection(tf.GraphKeys.UPDATE_OPS)
In [13]: aaa == aaaa
Out[13]: True
In [14]: aaa is aaaa
Out[14]: False两者有什么区别，什么时候使用哪一种？
回答 2
Stack Overflow用户
回答已采纳
发布于 2017-12-01 03:39:23
我看到了这种不同：
In [24]: w = tf.Variable([1,2,3], collections=[tf.GraphKeys.WEIGHTS], dtype=tf.float32)
In [25]: params = tf.get_collection_ref(tf.GraphKeys.WEIGHTS)
In [26]: params
Out[26]: [<tf.Variable 'Variable_1:0' shape=(3,) dtype=float32_ref>]
In [27]: del params[:]
In [28]: tf.get_collection_ref(tf.GraphKeys.WEIGHTS)
Out[28]: []
In [29]: w = tf.Variable([1,2,3], collections=[tf.GraphKeys.WEIGHTS], dtype=tf.float32)
In [30]: params = tf.get_collection(tf.GraphKeys.WEIGHTS)
In [31]: params
Out[31]: [<tf.Variable 'Variable_2:0' shape=(3,) dtype=float32_ref>]
In [32]: del params[:]
In [33]: tf.get_collection_ref(tf.GraphKeys.WEIGHTS)
Out[33]: [<tf.Variable 'Variable_2:0' shape=(3,) dtype=float32_ref>]因此，get_collection只返回集合的值，但是get_collection_ref返回集合的引用，然后我可以通过删除它引用的返回变量来删除集合。
get_collection中的作用域参数用于根据作用域名称过滤变量。但是get_collection_ref不提供这样的功能。
Stack Overflow用户
发布于 2017-12-01 03:39:11
如果您不使用tf.get_collection，中的作用域参数，那么这两个方法在计算图中返回相同的集合。
get_collection，不带作用域，在不应用任何筛选操作的情况下获取集合中的每个值。
当指定作用域参数时，集合的每个元素都会被该作用域过滤。
考虑下面的示例代码，它返回与示例代码相同的内容(这里，我使用tf.GraphKeys.TRAINABLE_VARIABLES作为演示的目的)。
with tf.variable_scope("foo1"):
v1 = tf.get_variable("v1", [1])
with tf.variable_scope("foo2"):
v2 = tf.get_variable("v2", [1])
aaa = tf.get_collection_ref(tf.GraphKeys.TRAINABLE_VARIABLES)
aaaa = tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES)
print(aaa == aaaa) #True
print(aaa is aaaa) #False由于没有指定作用域，所以变量所引用的aaa和aaa对象是相等的。
但是，如果使用指定的作用域运行以下示例代码，
with tf.variable_scope("foo1"):
v1 = tf.get_variable("v1", [1])
with tf.variable_scope("foo2"):
v2 = tf.get_variable("v2", [1])
aaa = tf.get_collection_ref(tf.GraphKeys.TRAINABLE_VARIABLES)
aaaa = tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES,'foo1')
print(aaa == aaaa) # False
print(aaa is aaaa) # False由于指定了作用域，因此变量引用的aaa和aaa对象并不相等。
此外，在这两种情况下，aaa和aaa都没有指向同一个对象。因此，aaa是aaa，在两种情况下都是False ( in Python?)。
希望这能有所帮助。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/47585864
复制相关文章
相似问题
腾讯云开发者
