tf.create_partitioned_variables

create_partitioned_variables(
    shape,
    slicing,
    initializer,
    dtype=tf.float32,
    trainable=True,
    collections=None,
    name=None,
    reuse=None
)

定义在：tensorflow/python/ops/partitioned_variables.py.

根据给定的 slicing 创建分区变量的列表.

目前只能对整个变量的一个维度的实现切片 ,并且可以通过沿该维度连接返回的列表来重建完整变量.

ARGS：

• shape：整数列表.整个变量的形状.
• slicing：整数列表.如何对变量分区.必须有相同长度的 shape.每个值表示在相应维度中创建多少个切片.目前只有一个值可以大于 1 ；也就是说,变量只能沿着一个维度进行切片.
  为了方便起见,请求的分区数量不必均匀地分配相应的维数.如果没有,则分区的形状从分区 0 开始递增 1,直到所有的松弛都被吸收.调整规则在将来可能会改变,但是您可以使用不同的切片规格保存/恢复这些变量,这不成问题.
• initializer：形状或变量初始化函数.如果一个函数,它将为每个切片调用一次,将切片的形状和数据类型作为参数传递.该函数必须返回与切片相同形状的张量.
• dtype：变量的类型.如果初始值设定项为张量,则忽略.
• trainable：如果为 True ,还将所有变量添加到图形集合 GraphKeys. TRAINABLE_VARIABLES.
• collections：要向其中添加变量的图形集合键的列表,默认为 [GraphKeys.GLOBAL_VARIABLES].
• name：完整变量的可选名称.默认为 "PartitionedVariable",并自动获取 uniquified.
• reuse：是布尔值或者 None；如果为 true 且设置了名字,它将重用以前创建的变量.如果为 false,它将创建新的变量.如果为 None,它将继承父范围重用. 

返回：

返回与切片相对应的变量的列表.

注意：

• ValueError：如果任何参数的格式都是错误的.