为什么要建立一个统计变量的字典

Question

在一个示例代码中，我看到人们在tensorflow中构建变量（权重/偏差）字典。我想知道与单独定义变量相比，这有什么好处

字典样式：

weights = { 
    'encoder_w1': tf.Variable(tf.random_normal([n_input, n_hidden_1], stddev= sd), name='encoder_w1'), 
    'encoder_w2': tf.Variable(tf.random_normal([n_hidden_1, n_hidden_2], stddev= sd), name='encoder_w2'), 
    'decoder_w1': tf.Variable(tf.random_normal([n_hidden_2, n_hidden_1], stddev= sd), name='decoder_w1'), 
    'decoder_w2': tf.Variable(tf.random_normal([n_hidden_1, n_input], stddev= sd), name='decoder_w2')
}
biases = { 
    'encoder_b1': tf.Variable(tf.random_normal([n_hidden_1], stddev= sd), name='encoder_b1'), 
    'encoder_b2': tf.Variable(tf.random_normal([n_hidden_2], stddev= sd), name='encoder_b2'), 
    'decoder_b1': tf.Variable(tf.random_normal([n_hidden_1], stddev= sd), name='decoder_b1'), 
    'decoder_b2': tf.Variable(tf.random_normal([n_input], stddev= sd), name='decoder_b2') 
}

独立样式：

^{pr2}$

谢谢！在

Answer 1

“字典样式”将使一次引用整个组变得更容易（例如，传递给函数）。在