2つのサブグラフ間のTensorflowでの重みの共有

Question

私は次の設定をしています。各入力は2つの軌跡で構成されています。しかし私はそれが動作していない、左のグラフは、私は共有変数、https://www.tensorflow.org/versions/r1.0/how_tos/variable_scope/のためにここで説明したアプローチに従うことをしようとした

右のグラフと同じ重みを持つことを望みます。 2つの異なるグラフが作成されます。私は間違って何をしていますか？

def build_t_model(trajectories): 
    """ 
    Function to build a subgraph 
    """ 
    with tf.name_scope('h1_t'): 
     weights = tf.Variable(tf.truncated_normal([150, h1_t_units], stddev=1.0/math.sqrt(float(150))), name='weights') 
     biases = tf.Variable(tf.zeros([h1_t_units]), name='biases') 
     h1_t = tf.nn.relu(tf.matmul(trajectories, weights) + biases) 

    with tf.name_scope('h2_t'): 
     weights = tf.Variable(tf.truncated_normal([h1_t_units, h2_t_units], stddev=1.0/math.sqrt(float(h1_t_units))), name='weights') 
     biases = tf.Variable(tf.zeros([h2_t_units]), name='biases') 
     h2_t = tf.nn.relu(tf.matmul(h1_t, weights) + biases) 

    with tf.name_scope('h3_t'): 
     weights = tf.Variable(tf.truncated_normal([h2_t_units, M], stddev=1.0/math.sqrt(float(h2_t_units))), name='weights') 
     biases = tf.Variable(tf.zeros([M]), name='biases') 
     h3_t = tf.nn.relu(tf.matmul(h2_t, weights) + biases) 

    return h3_t 


# We build two trajectory networks. The weights should be shared 
with tf.variable_scope('traj_embedding') as scope:   
    self.embeddings_left = build_t_model(self.input_traj) 
    scope.reuse_variables() 
    self.embeddings_right = build_t_model(self.input_traj_mv) 

Answer 1

さて、tf.Variableの代わりにtf.get_variableを使用してください。これは動作します

def build_t_model(trajectories): 
      """ 
      Build the trajectory network 
      """ 
      with tf.name_scope('h1_t'): 
       weights = tf.get_variable(
        'weights1', 
        shape=[150, h1_t_units], 
        initializer=tf.truncated_normal_initializer(
         stddev=1.0/math.sqrt(float(150)))) 
       biases = tf.get_variable(
        'biases1', 
        initializer=tf.zeros_initializer(shape=[h1_t_units])) 
       h1_t = tf.nn.relu(tf.matmul(trajectories, weights) + biases) 

      with tf.name_scope('h2_t'): 
       weights = tf.get_variable(
        'weights2', 
        shape=[h1_t_units, h2_t_units], 
        initializer=tf.truncated_normal_initializer(
         stddev=1.0/math.sqrt(float(h1_t_units)))) 
       biases = tf.get_variable(
        'biases2', 
        initializer=tf.zeros_initializer(shape=[h2_t_units])) 
       h2_t = tf.nn.relu(tf.matmul(h1_t, weights) + biases) 

      with tf.name_scope('h3_t'): 
       weights = tf.get_variable(
        'weights3', 
        shape=[h2_t_units, M], 
        initializer=tf.truncated_normal_initializer(
         stddev=1.0/math.sqrt(float(h2_t_units)))) 
       biases = tf.get_variable(
        'biases3', 
        initializer=tf.zeros_initializer(shape=[M])) 
       h3_t = tf.nn.relu(tf.matmul(h2_t, weights) + biases) 
      return h3_t