TensorFlow - 显示会话中的所有变量

我玩过一点

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使用一个命令定义的所有变量？ 如果我尝试乔纳斯的建议

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

tf.trainable_variables()打印出图中的所有可训练变量，在您的情况下，只有 x。当你在做的时候y = 2 * x，这实际上是隐式定义了一个常量值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

这些是图中的所有节点。您可以使用它来过滤掉您需要的所有相关信息。具体到你的情况，我不会打电话y and z变量。

请注意，这是从图表而不是会话中获取所有信息。如果您想从特定会话中获取它，您需要获取相关会话并调用sess.graph.

最后一点，上面的例子使用了v.name，但是每个图节点其实还有更多的属性，比如name, op, input, device, attr。请参阅API https://www.tensorflow.org/extend/tool_developers/了解更多信息。