Quelle est la différence de nom de champ d'application et la portée des variables dans tensorflow?

Quelle est la différences entre ces fonctions?

tf.variable_op_scope(values, name, default_name, initializer=None)

Retourne un gestionnaire de contexte pour la définition d'une op qui crée des variables.
Ce gestionnaire de contexte permet de vérifier que les valeurs données sont de la même graphe, s'assure que le graphique est la valeur par défaut graphique, et pousse un nom de champ d'application et la portée des variables.


tf.op_scope(values, name, default_name=None)

Retourne un gestionnaire de contexte pour les utiliser lors de la définition d'un Python op.
Ce gestionnaire de contexte permet de vérifier que les valeurs données sont de la même graphe, s'assure que le graphique est la valeur par défaut graphique, et pousse un nom de champ.


tf.name_scope(name)

Wrapper pour Graph.name_scope() l'aide du graphique par défaut.
Voir Graph.name_scope() pour plus de détails.


tf.variable_scope(name_or_scope, reuse=None, initializer=None)

Retourne un contexte de portée variable.
La portée des variables permet de créer de nouvelles variables et de partager déjà créés tout en fournissant des contrôles afin de ne pas créer ou partager par accident. Pour plus de détails, voir l'Étendue de la Variable Comment, nous présentons ici que quelques exemples de base.

InformationsquelleAutor user2886263 | 2016-03-10