TensorFlow-显示会话中的所有变量

Question

我玩了一点

import tensorflow as tf
x = tf.Variable([1.0, 2.0])
initializer = tf.global_variables_initializer()
session.run(initializer)
x
<tf.Variable 'Variable:0' shape=(2,) dtype=float32_ref>
y = 2 * x
y
<tf.Tensor 'mul:0' shape=(2,) dtype=float32>
z = y + 1
z
<tf.Tensor 'add:0' shape=(2,) dtype=float32>
v = session.run(x)
sess.run(initializer)
v = sess.run(x) 
print (v)
[ 1.  2.]
v1 = sess.run(z)
print (v1)
[ 3.  5.]
v = sess.run(x)

我有3个变量x，y，z。是否可以在提示符下显示用一个命令定义的所有变量？ 如果我试试乔纳斯的建议

new = tf.trainable_variables()
print (new)
[<tf.Variable 'Variable:0' shape=(2,) dtype=float32_ref>]

Answer 1

tf.trainable_variables()打印出图形中所有可训练的变量，在您的情况下，这些变量只有x。当您执行y = 2 * x时，这实际上是隐式定义了一个常量mul/x，并将原始变量作为Variable/read

如果运行以下代码：

x = tf.Variable(1)
y = 2 * x
z = y + 1
for v in tf.get_default_graph().as_graph_def().node:
  print v.name

您将得到以下输出：

Variable/initial_value
Variable
Variable/Assign
Variable/read
mul/x
mul
add/y
add

这些是图表中的所有节点。你可以用这个过滤掉所有你需要的相关信息。具体到你的情况，我不会调用y和z变量。

注意，这是从一个图而不是一个会话中获取所有信息。如果您想从一个特定的会话中获取它，您需要获取相关的会话并调用sess.graph。

最后注意，上面的示例使用了v.name，但是每个图节点实际上有更多的属性，例如name、op、input、device、attr。有关详细信息，请参阅API。

Answer 2

也许我误解了这个问题，但这有什么问题？

print(sess.run([x, y, z]))