原因是使用Adam优化函数时，Adam函数会创建一个Adam变量，目的是保存你使用tensorflow创建的graph中的每个可训练参数的动量，

words/_word_embeddings:0

bi-lstm/bidirectional_rnn/fw/lstm_cell/kernel:0

bi-lstm/bidirectional_rnn/fw/lstm_cell/bias:0

bi-lstm/bidirectional_rnn/bw/lstm_cell/kernel:0

bi-lstm/bidirectional_rnn/bw/lstm_cell/bias:0

proj/W:0

proj/b:0

bi-lstm_secondLayer/bidirectionalt_rnn/fw/lstm_cell/kernel:0

bi-lstm_secondLayer/bidirectional_rnn/fw/lstm_cell/bias:0

bi-lstm_secondLayer/bidirectional_rnn/bw/lstm_cell/kernel:0

bi-lstm_secondLayer/bidirectional_rnn/bw/lstm_cell/bias:0

proj_secondLayer/W:0

proj_secondLayer/b_secondLayer:0

train_step_secondLayer/beta1_power:0

train_step_secondLayer/beta2_power:0

train_step_secondLayer/words/_word_embeddings/Adam:0

train_step_secondLayer/words/_word_embeddings/Adam_1:0

train_step_secondLayer/bi-lstm/bidirectional_rnn/fw/lstm_cell/kernel/Adam:0

train_step_secondLayer/bi-lstm/bidirectional_rnn/fw/lstm_cell/kernel/Adam_1:0

train_step_secondLayer/bi-lstm/bidirectional_rnn/fw/lstm_cell/bias/Adam:0

train_step_secondLayer/bi-lstm/bidirectional_rnn/fw/lstm_cell/bias/Adam_1:0

train_step_secondLayer/bi-lstm/bidirectional_rnn/bw/lstm_cell/kernel/Adam:0

train_step_secondLayer/bi-lstm/bidirectional_rnn/bw/lstm_cell/kernel/Adam_1:0

train_step_secondLayer/bi-lstm/bidirectional_rnn/bw/lstm_cell/bias/Adam:0

train_step_secondLayer/bi-lstm/bidirectional_rnn/bw/lstm_cell/bias/Adam_1:0

train_step_secondLayer/proj/W/Adam:0

train_step_secondLayer/proj/W/Adam_1:0

train_step_secondLayer/proj/b/Adam:0

train_step_secondLayer/proj/b/Adam_1:0

train_step_secondLayer/bi-lstm_secondLayer/bidirectional_rnn/fw/lstm_cell/kernel/Adam:0

train_step_secondLayer/bi-lstm_secondLayer/bidirectional_rnn/fw/lstm_cell/kernel/Adam_1:0

train_step_secondLayer/bi-lstm_secondLayer/bidirectional_rnn/fw/lstm_cell/bias/Adam:0

train_step_secondLayer/bi-lstm_secondLayer/bidirectional_rnn/fw/lstm_cell/bias/Adam_1:0

train_step_secondLayer/bi-lstm_secondLayer/bidirectional_rnn/bw/lstm_cell/kernel/Adam:0

train_step_secondLayer/bi-lstm_secondLayer/bidirectional_rnn/bw/lstm_cell/kernel/Adam_1:0

train_step_secondLayer/bi-lstm_secondLayer/bidirectional_rnn/bw/lstm_cell/bias/Adam:0

train_step_secondLayer/bi-lstm_secondLayer/bidirectional_rnn/bw/lstm_cell/bias/Adam_1:0

train_step_secondLayer/proj_secondLayer/W/Adam:0

train_step_secondLayer/proj_secondLayer/W/Adam_1:0

train_step_secondLayer/proj_secondLayer/b_secondLayer/Adam:0

train_step_secondLayer/proj_secondLayer/b_secondLayer/Adam_1:0

tensorflow中的kernel/Adam 变量的来源的更多相关文章

  1. tensorflow中常量(constant)、变量(Variable)、占位符(placeholder)和张量类型转换reshape()

    常量 constant tf.constant()函数定义: def constant(value, dtype=None, shape=None, name="Const", v ...

  2. tensorflow中张量_常量_变量_占位符

    1.tensor 在tensorflow中,数据是被封装在tensor对象中的.tensor是张量的意思,即包含从0到任意维度的张量.常数是0维度的张量,向量是1维度的张量,矩阵是二维度的张量,以及还 ...

  3. TensorFlow中的变量命名以及命名空间.

    What: 在Tensorflow中, 为了区别不同的变量(例如TensorBoard显示中), 会需要命名空间对不同的变量进行命名. 其中常用的两个函数为: tf.variable_scope, t ...

  4. TensorFlow中的变量和常量

    1.TensorFlow中的变量和常量介绍 TensorFlow中的变量: import tensorflow as tf state = tf.Variable(0,name='counter') ...

  5. 04 Tensorflow的中的常量、变量和数据类型

    打开Python Shell,先输入import tensorflow as tf,然后可以执行以下命令. Tensorflow中的常量创建方法: hello = tf.constant('Hello ...

  6. 2、Tensorflow中的变量

    2.Tensorflow中的变量注意:tf中使用 变量必须先初始化下面是一个使用变量的TF代码(含注释): # __author__ = "WSX" import tensorfl ...

  7. Flask08 包含（include）、继承（extends）、宏？？？、模板中变量的来源、利用bootstrap构建自己的网页结构

    1 包含 直接把另一个文件的内容,复制粘贴过来 {% include "模板路径" %} 注意:模板都是放在 templates 这个文件夹下面的,可以在里面新建文件夹来进行分离: ...

  8. 83、Tensorflow中的变量管理

    ''' Created on Apr 21, 2017 @author: P0079482 ''' #如何通过tf.variable_scope函数来控制tf.ger_variable函数获取已经创建 ...

  9. 第二十二节，TensorFlow中RNN实现一些其它知识补充

    一 初始化RNN 上一节中介绍了 通过cell类构建RNN的函数,其中有一个参数initial_state,即cell初始状态参数,TensorFlow中封装了对其初始化的方法. 1.初始化为0 对于 ...

随机推荐

  1. 对象函数的readFileSyc类

    对于所有的Syc后缀都是表示同步,默认不加是异步操作.

  2. mysql 存储过程中结尾分割符修改

    mysql中修改命令结束符delimiter的用法:mysql中的delimiter会告诉MySQL解释器,命令的结束符是什么,默认情况下MySQL的命令是以分号(;)结束的.在遇到(;)时,MySQ ...

  3. OneZero第四次站立会议（2016.3.24）

    会议时间:2016年3月24日 15:30~15:47 会议成员:冉华,张敏,王巍,夏一鸣. 会议目的:汇报前一天工作,全体成员评论,确定会后修改内容. 会议内容:以下为会议插图 1.界面原型方面,在 ...

  4. EntityFramework中Json序列化的循环引用问题解决--Newtonsoft.Json

    1.在使用EF时,由于数据库主外键关联,将对象进行Json序列化时会遇到循环引用的问题 //EF 中由于数据库主外键关联,对象的序列化经常出现循环引用问题 //使用.Net 自带的序列化工具,序列化出 ...

  5. Json序列化循环引用的问题

    今天在发布接口的时候出突然出现了一个问题,报错代码为: 1 An exception has occurred while using the formatter 'JsonMediaTypeForm ...

  6. Docker一些常用命令

    1.启动Docker服务 service docker start 2.查看所有镜像 docker images 3.查看正在运行的容器 docker ps 4.查看所有容器 docker ps -a ...

  7. 【刷题】LOJ 6002 「网络流 24 题」最小路径覆盖

    题目描述 给定有向图 \(G = (V, E)\) .设 \(P\) 是 \(G\) 的一个简单路(顶点不相交)的集合.如果 \(V\) 中每个顶点恰好在 \(P\) 的一条路上,则称 \(P\) 是 ...

  8. linux运维之分析日志相关命令（1）

    一.分析日志 1.查看有多少IP访问 awk '{print $1}' log_file|sort|uniq|wc -l 2.查看某一个页面被访问的次数 grep "/index.php&q ...

  9. PostgreSQL（一）教程 -----高级特性

    一.视图 假设天气记录和城市为止的组合列表对我们的应用有用,但我们又不想每次需要使用它时都敲入整个查询.我们可以在该查询上创建一个视图,这会给该查询一个名字,我们可以像使用一个普通表一样来使用它: C ...

  10. 【POJ3171】Cleaning Shifts 带权区间最小覆盖

    题目大意:给定一个长度为 N 的序列,求带权区间最小覆盖. 题解:设 \(dp[i]\) 表示从左端点到 i 的最小权值是多少,则状态转移为:\(dp[e[i].ed]=min\{dp[j],j\in ...