『TensorFlow』使用集合collection控制variables

Variable

Tensorflow使用Variable类表达、更新、存储模型参数。

Variable是在可变更的，具有保持性的内存句柄，存储着Tensor
在整个session运行之前，图中的全部Variable必须被初始化
- Variable的值在sess.run(init)之后就确定了
- Tensor的值要在sess.run(x)之后才确定
创建的Variable被添加到默认的collection中

tf.GraphKeys中包含了所有默认集合的名称，可以通过查看__dict__发现具体集合。

tf.GraphKeys.GLOBAL_VARIABLES：global_variables被收集在名为tf.GraphKeys.GLOBAL_VARIABLES的colletion中，包含了模型中的通用参数

tf.GraphKeys.TRAINABLE_VARIABLES：tf.Optimizer默认只优化tf.GraphKeys.TRAINABLE_VARIABLES中的变量。

函数	集合名	意义
tf.global_variables()	GLOBAL_VARIABLES	存储和读取checkpoints时，使用其中所有变量跨设备全局变量集合
tf.trainable_variables()	TRAINABLE_VARIABLES	训练时，更新其中所有变量存储需要训练的模型参数的变量集合
tf.moving_average_variables()	MOVING_AVERAGE_VARIABLES	`ExponentialMovingAverage`对象会生成此类变量实用指数移动平均的变量集合
tf.local_variables()	LOCAL_VARIABLES	在`global_variables()`之外，需要用tf.init_local_variables()初始化进程内本地变量集合
tf.model_variables()	MODEL_VARIABLES	Key to collect model variables defined by layers. 进程内存储的模型参数的变量集合
	QUEUE_RUNNERS	并非存储variables，存储处理输入的QueueRunner
	SUMMARIES	并非存储variables，存储日志生成相关张量

除了上表中的函数外(上表中最后两个集合并非变量集合，为了方便一并放在这里)，还可以使用tf.get_collection(集合名)获取集合中的变量，不过这个函数更多与tf.get_collection(集合名)搭配使用，操作自建集合。

另，slim.get_model_variables()与tf.model_variables()功能近似。

Summary被收集在名为tf.GraphKeys.UMMARIES的colletion中，

除了默认的集合，我们也可以自己创造collection组织对象。网络损失就是一类适宜对象。

tensorflow中的Loss提供了许多创建损失Tensor的方式。

x1 = tf.constant(1.0)
l1 = tf.nn.l2_loss(x1)

x2 = tf.constant([2.5, -0.3])
l2 = tf.nn.l2_loss(x2)

创建损失不会自动添加到集合中，需要手工指定一个collection：

tf.add_to_collection("losses", l1)
tf.add_to_collection("losses", l2)

创建完成后，可以统一获取所有损失，losses是个Tensor类型的list：

losses = tf.get_collection('losses')

一种常见操作把所有损失累加起来得到一个Tensor：

loss_total = tf.add_n(losses)

执行操作可以得到损失取值：

sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)
losses_val = sess.run(losses)
loss_total_val = sess.run(loss_total)

实际上，如果使用TF-Slim包的losses系列函数创建损失，会自动添加到名为”losses”的collection中。