2018年05月21日 22:16:02 閱讀數：317更多
個人分類： TensorFlow
GraphKeys
tf.GraphKeys包含所有graph collection中的標準集合名，有點像Python裡的build-in fuction。

首先要了解graph collection是什麼。

graph collection
在官方教程——圖和會話中，介紹什麼是tf.Graph是這麼說的：

tf.Graph包含兩類相關資訊：

圖結構。圖的節點和邊緣，指明瞭各個指令組合在一起的方式，但不規定它們的使用方式。圖結構與彙編程式碼類似：檢查圖結構可以傳達一些有用的資訊，但它不包含原始碼傳達的的所有有用上下文。
**圖集合。**TensorFlow提供了一種通用機制，以便在tf.Graph中儲存元資料集合。tf.add_to_collection函式允許您將物件列表與一個鍵相關聯(其中tf.GraphKeys定義了部分標準鍵)，tf.get_collection則允許您查詢與鍵關聯的所有物件。TensorFlow庫的許多組成部分會使用它：例如，當您建立tf.Variable時，系統會預設將其新增到表示“全域性變數(tf.global_variables)”和“可訓練變數tf.trainable_variables)”的集合中。當您後續建立tf.train.Saver或tf.train.Optimizer時，這些集合中的變數將用作預設引數。
也就是說，在建立圖的過程中，TensorFlow的Python底層會自動用一些collection對op進行歸類，方便之後的呼叫。這部分collection的名字被稱為tf.GraphKeys，可以用來獲取不同型別的op。當然，我們也可以自定義collection來收集op。

常見GraphKeys
GLOBAL_VARIABLES: 該collection預設加入所有的Variable物件，並且在分散式環境中共享。一般來說，TRAINABLE_VARIABLES包含在MODEL_VARIABLES中，MODEL_VARIABLES包含在GLOBAL_VARIABLES中。
LOCAL_VARIABLES: 與GLOBAL_VARIABLES不同的是，它只包含本機器上的Variable，即不能在分散式環境中共享。
MODEL_VARIABLES: 顧名思義，模型中的變數，在構建模型中，所有用於正向傳遞的Variable都將新增到這裡。
TRAINALBEL_VARIABLES: 所有用於反向傳遞的Variable，即可訓練(可以被optimizer優化，進行引數更新)的變數。
SUMMARIES: 跟Tensorboard相關，這裡的Variable都由tf.summary建立並將用於視覺化。
QUEUE_RUNNERS: the QueueRunner objects that are used to produce input for a computation.
MOVING_AVERAGE_VARIABLES: the subset of Variable objects that will also keep moving averages.
REGULARIZATION_LOSSES: regularization losses collected during graph construction.
在TensorFlow中也定義了下面幾個GraphKeys，但是它們not automatically populated。

WEIGHTS
BIASES
ACTIVATIONS