详解TensorFlow的 tf.get_collection 函数：获取指定名称的集合

TensorFlow的tf.get_collection函数介绍

TensorFlow中的tf.get_collection用于根据集合名称获取相关的全部变量引用列表。

集合（collection）是TensorFlow中的一种管理与使用变量的方式，它类似于一个键值对，其中键表示变量的作用（比如保存模型的变量、计算损失函数的变量等），值则是保存相关变量的列表。通过集合，用户可以轻松、方便地管理、复用、分离TensorFlow网络中的变量和操作，进而实现更加灵活高效的计算。tf.get_collection函数则是TensorFlow中根据集合名称获取变量的重要方法。

TensorFlow的tf.get_collection函数使用方法

1. 使用tf.add_to_collection函数向集合中添加变量

要使用tf.get_collection函数，首先需要使用tf.add_to_collection函数向集合中添加需要获取的变量。示例如下：

x = tf.placeholder(tf.float32, [None, 28, 28, 1])

# 将x添加到名为inputs的集合中
tf.add_to_collection('inputs', x) 

2. 使用tf.get_collection获取参数列表

然后，我们可以使用tf.get_collection函数根据集合名称获取相关的全部变量引用列表，示例如下：

inputs = tf.get_collection('inputs')

TensorFlow的tf.get_collection函数实例说明

实例1：获取所有可训练变量

可以使用tf.trainable_variables()函数获取所有可训练变量，但该方法只适用于顶层作用域下的变量。因此如果需要获取所有作用域下的可训练变量，可以使用以下代码：

trainable_vars = tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES)

实例2：获取指定作用域下的变量

我们可以通过限定集合名称的方式，获取单独一个子作用域下的变量。示例如下：

with tf.variable_scope('conv1'):
    weights = tf.get_variable('w', [3, 3, 3, 32], initializer=tf.truncated_normal_initializer(stddev=0.1))
    biases = tf.get_variable('b', [32], initializer=tf.constant_initializer(0.1))

    # 将weights、biases添加到名为'conv1'的集合中
    tf.add_to_collection('conv1', weights)
    tf.add_to_collection('conv1', biases)

# 获取'conv1'集合中所有变量
conv1_vars = tf.get_collection('conv1')

# 获取'conv1'集合中weights的变量引用
conv1_weights = tf.get_collection('conv1')[0]