tf.get_collection zum Extrahieren von Variablen eines Bereichs

Question

Ich habe n (z. B. n = 3) Bereiche und x (z. B. x = 4) keine der Variablen in jedem Bereich definiert. Die Bereiche sind: alle extrahieren und liefern die Variablen aus nur einer der Rahmen auf der Grundlage eines Kriterien während der Laufzeit

model/generator_0 
model/generator_1 
model/generator_2 

Sobald ich den Verlust zu berechnen, was ich will. Daher ist der Index des Umfangs idx, die ich wählen ist ein argmin Tensor in int32 werfen

<tf.Tensor 'model/Cast:0' shape=() dtype=int32> 

ich schon versucht:

train_vars = tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES, 'model/generator_'+tf.cast(idx, tf.string)) 

, die offensichtlich nicht funktionierte. Gibt es eine Möglichkeit, alle x Variablen, die zu diesem bestimmten Bereich gehören, mithilfe von idx an den Optimierer zu übergeben.

Vielen Dank im Voraus!

Vignesh Srinivasan

Answer 1

Sie können oder später TF 1.0 rc1 so etwas wie dies in tun:

v = tf.Variable(tf.ones(())) 
loss = tf.identity(v) 
with tf.variable_scope('adamoptim') as vs: 
    optim = tf.train.AdamOptimizer(learning_rate=0.1).minimize(loss) 
optim_vars = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, scope=vs.name) 
print([v.name for v in optim_vars]) #=> prints lists of vars created