numpy - 如何从两个不同的神经网络获取两个变量列表

Question

通常，如果我们在一个类中通过神经网络定义了一个函数，那么在另一个类中，如果我们需要函数的参数或变量列表，在tensorflow中，我们可以使用tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES, scope="function name") ，这对我来说很方便且熟悉，尽管我猜想还有许多其他更有效的方法可以做到这一点。

但是，在某些情况下，我们可能需要定义一个基于两个不同神经网络构建的函数，例如 F(x) = F(NN_1(x), NN_2(x)) ，然后在另一个类中，获取 NN_1() 的两个变量列表的正确方法是什么？和NN_2() ？很明显使用tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES, scope="function name这里导致获得 F(x) 的混合变量列表插入 NN_1 的两个变量列表和NN_2 .

def function()
    with tf.name_scope(function):
        with tf.name_scope(subfunction_1):
           neural_network_1
        with tf.name_scope(subfunction_2):
           neural_network_2

Answer 1

在名称范围树中，您可以使用以下方式访问各个范围变量:

vars_1 = tf.get_collection(
    tf.GraphKeys.TRAINABLE_VARIABLES, scope="function_name/subfunction_name_1")
vars_2 = tf.get_collection(
    tf.GraphKeys.TRAINABLE_VARIABLES, scope="function_name/subfunction_name_2")