tf.variable_scope和tf.name_scope的用法

tf.variable_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可以让变量有相同的命名，只是限于tf.Variable的变量

例如：

[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  

输出：

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

例子2：

[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:

换成下面的代码就可以执行：

[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  

输出：

V1/a2:0
V2/a2:0