集合

tensorflow用集合colletion組織不同類別的物件。tf.GraphKeys中包含了所有預設集合的名稱。

collection提供了一種“零存整取”的思路：在任意位置，任意層次都可以創造物件，存入相應collection中；創造完成後，統一從一個collection中取出一類變數，施加相應操作。

例如，tf.Optimizer只優化tf.GraphKeys.TRAINABLE_VARIABLES中的變數。

本文介紹幾個常用集合
- Variable集合：模型引數
- Summary集合：監測
- 自定義集合

Variable被收集在名為tf.GraphKeys.VARIABLES

定義

Tensorflow使用Variable類表達、更新、儲存模型引數。

Variable是在可變更的，具有保持性的記憶體控制代碼，儲存著Tensor。必須使用Tensor進行初始化。

k = tf.Variable(tf.random_normal([]), name='k')

建立的Variable被新增到預設的collection中。

初始化

在整個session執行之前，圖中的全部Variable必須被初始化。

sess = tf.Session()
init = tf.initialize_all_variables() 
sess.run(init)
 

在執行完初始化之後，Variable中的值生成完畢，不會再變化。

特別強調：Variable的值在sess.run(init)之後就確定了；Tensor的值要在sess.run(x)之後才確定。

獲取

和Tensor, Operation一樣，Variable也是全域性的。
可以通過tf.all_variables()檢視所有tf.GraphKeys.VARIABLES中的物件：

# example for y = k*x
x = tf.constant(1.0, shape=[])      # 0D tensor
k = tf.Variable(tf.constant(0.5
 
, shape=[]) )
y = tf.mul(x, k)
v = tf.all_variables()

也可以用通用方法直接訪問collection：

v = tf.get_collection(tf.GraphKeys.VARIABLES)

各類Variable

另外，tensorflow還維護另外幾個collection：

Summary被收集在名為tf.GraphKeys.SUMMARIES的colletion中

定義

Summary是對網路中Tensor取值進行監測的一種Operation。這些操作在圖中是“外圍”操作，不影響資料流本身。

用例

我們模仿常見的訓練過程，建立一個最簡單的用例。

# 迭代的計數器
global_step = tf.Variable(0, trainable=False)
# 迭代的+1操作
increment_op = tf.assign_add(global_step, tf.constant(1))
# 例項應用中，+1操作往往在`tf.train.Optimizer.apply_gradients`內部完成。

# 建立一個根據計數器衰減的Tensor
lr = tf.train.exponential_decay(0.1, global_step, decay_steps=1, decay_rate=0.9, staircase=False)

# 把Tensor新增到觀測中
tf.scalar_summary('learning_rate', lr)

# 並獲取所有監測的操作`sum_opts`
sum_ops = tf.merge_all_summaries()

# 初始化sess
sess = tf.Session()
init = tf.initialize_all_variables()
sess.run(init)  # 在這裡global_step被賦初值

# 指定監測結果輸出目錄
summary_writer = tf.train.SummaryWriter('/tmp/log/', sess.graph)

# 啟動迭代
for step in range(0, 10):
    s_val = sess.run(sum_ops)    # 獲取serialized監測結果：bytes型別的字串
    summary_writer.add_summary(s_val, global_step=step)   # 寫入檔案
    sess.run(increment_op)     # 計數器+1

呼叫tf.scalar_summary系列函式時，就會向預設的collection中新增一個Operation。

再次回顧“零存整取”原則：建立網路的各個層次都可以新增監測；在新增完所有監測，初始化sess之前，統一用tf.merge_all_summaries獲取。

檢視

SummaryWriter檔案中儲存的是序列化的結果，需要藉助TensorBoard才能檢視。

在命令列中執行tensorboard，傳入儲存SummaryWriter檔案的目錄：

tensorboard --logdir /tmp/log

完成後會提示：

You can navigate to http://127.0.1.1:6006

可以直接使用伺服器本地瀏覽器訪問這個地址（本機6006埠），或者使用遠端瀏覽器訪問伺服器ip地址的6006埠。

自定義

除了預設的集合，我們也可以自己創造collection組織物件。網路損失就是一類適宜物件。

tensorflow中的Loss提供了許多建立損失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)

建立損失不會自動新增到集合中，需要手工指定一個collection：

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

建立完成後，可以統一獲取所有損失，losses是個Tensor型別的list：

losses = tf.get_collection('losses')

另一種常見操作把所有損失累加起來得到一個Tensor：

loss_total = tf.add_n(losses)

執行操作可以得到損失取值：

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

實際上，如果使用TF-Slim包的losses系列函式建立損失，會自動新增到名為”losses”的collection中。