Tensorflow学习四：变量管理

引言：

       tf提供了一种通过变量名称来创建或者获取一个变量的机制。通过这个机制，在不同的函数中可以直接通过变量的名字来获取变量，而不需要将变量通过参数的形式到处传递。

tf中通过变量名字获取变量的机制主要是通过tf.get_variable  和tf.variable_scope 函数实现的。

tf.get_variable   和 tf.Variable   :

      下面两个定义是等价的：

v = tf.get_variable("v", shape=[1], initializer=tf.constant_initializer(1.0))
v = tf.Variable(tf.constant(1.0, shape=[1]), name='v')  

     二者区别：

    对于 tf.Variable函数，变量名称是一个可选的参数，通过  name='v'的形式给出，但是对于  tf.get_variable  函数，变量名是一个必填的参数。tf.get_variable会根据这个名字去获取变量。它可以避免同名错误。

tf.get_variable   和  tf.variable_scope  :

若需要通过tf.get_variable  获取一个已经生成的变量，需要通过tf.variable_scope 函数来生成一个上下文管理器，并指定在这个上下文管理器中，tf.get_variable 函数将直接获取已经生成的变量。

#在名字为foo的命名空间中创建名字为v的变量     
with tf.variable_scope("foo"):
     v = tf.get_variable("v", initializer=tf.constant_initializer(1.0))
     
#在上下文管理器中，将参数reuse设置为True，这样tf.get_variable 函数将直接获取已经声明的变量
#将参数reuse设置为True时，将只能获取已经创建过的变量  
with tf.variable_scope("foo", reuse=True):
     v1 = tf.get_variable("v", [1])

当tf.variable_scope 使用参数  reuse=None  或者是reuse=False创建上下文管理器，tf.get_variable将创建新的变量。如果同名的变量已经存在，那么报错。

tf中的tf.variable_scope函数是可以嵌套的。