Tensorflow中tf.Variable、tf.get_variable、tf.variable_scope、tf.name_scope

在tensorflow中提供了tf.get_variable函数来创建或者获取变量。

当tf.get_variable用于创建变量时，则与tf.Variable的功能基本相同。

相同点：通过两函数创建变量的过程基本一样，且tf.variable函数调用时提供的维度(shape)信息以及初始化方法(initializer)的参数和tf.Variable函数调用时提供的初始化过程中的参数基本类似。

不同点：两函数指定变量名称的参数不同，对于tf.Variable函数，变量名称是一个可选的参数，通过name="x1"的形式给出；而tf.get_variable函数，变量名称是一个必填的参数，它会根据变量名称去创建或者获取变量。

x1=tf.Variable(tf.constant(1.0,shape=[1],name="x1"))

x1 = tf.get_variable("x2",shape=[1],initializer=tf.constant_initializer(1.0))

tf.variable_scope不同scope可以让变量有相同的命名，包括tf.get_variable得到的变量，还有tf.Variable的变量；

tf.name_scope不同scope可以让变量有相同的命名，只是限于tf.Variable的变量。

1.tf.variable_scope用法

[python]  view plain  copy

1. import tensorflow as tf;    
2. import numpy as np;    
3. import matplotlib.pyplot as plt;    
4.   
5. with tf.variable_scope('V1'):  
6.     a1 = tf.get_variable(name='a1', shape=[1], initializer=tf.constant_initializer(1))  
7.     a2 = tf.Variable(tf.random_normal(shape=[2,3], mean=0, stddev=1), name='a2')  
8. with tf.variable_scope('V2'):  
9.     a3 = tf.get_variable(name='a1', shape=[1], initializer=tf.constant_initializer(1))  
10.     a4 = tf.Variable(tf.random_normal(shape=[2,3], mean=0, stddev=1), name='a2')  
11.     
12. with tf.Session() as sess:  
13.     sess.run(tf.initialize_all_variables())  
14.     print a1.name  
15.     print a2.name  
16.     print a3.name  
17.     print a4.name  

结果：

V1/a1:0
V1/a2:0
V2/a1:0
V2/a2:0

2.tf.name_scope用法

[python]  view plain  copy

1. import tensorflow as tf;    
2. import numpy as np;    
3. import matplotlib.pyplot as plt;    
4.   
5. with tf.name_scope('V1'):  
6.     a1 = tf.get_variable(name='a1', shape=[1], initializer=tf.constant_initializer(1))  
7.     a2 = tf.Variable(tf.random_normal(shape=[2,3], mean=0, stddev=1), name='a2')  
8. with tf.name_scope('V2'):  
9.     a3 = tf.get_variable(name='a1', shape=[1], initializer=tf.constant_initializer(1))  
10.     a4 = tf.Variable(tf.random_normal(shape=[2,3], mean=0, stddev=1), name='a2')  
11.     
12. with tf.Session() as sess:  
13.     sess.run(tf.initialize_all_variables())  
14.     print a1.name  
15.     print a2.name  
16.     print a3.name  
17.     print a4.name  

报错：Variable a1 already exists, disallowed. Did you mean to set reuse=True in VarScope? Originally defined at:

改正：

[python]  view plain  copy

1. import tensorflow as tf;    
2. import numpy as np;    
3. import matplotlib.pyplot as plt;    
4.   
5. with tf.name_scope('V1'):  
6.     # a1 = tf.get_variable(name='a1', shape=[1], initializer=tf.constant_initializer(1))  
7.     a2 = tf.Variable(tf.random_normal(shape=[2,3], mean=0, stddev=1), name='a2')  
8. with tf.name_scope('V2'):  
9.     # a3 = tf.get_variable(name='a1', shape=[1], initializer=tf.constant_initializer(1))  
10.     a4 = tf.Variable(tf.random_normal(shape=[2,3], mean=0, stddev=1), name='a2')  
11.     
12. with tf.Session() as sess:  
13.     sess.run(tf.initialize_all_variables())  
14.     # print a1.name  
15.     print a2.name  
16.     # print a3.name  
17.     print a4.name  

结果：

V1/a2:0
V2/a2:0