报错信息
最近在学习deepcolor漫画自动上色项目，运行main.py的时候，由于项目使用的tensorflow版本较老，所以报了一些错误，其中我认为最棘手的就是这个错误：
错误信息太长，加个回车变成两行方便看
ValueError: Variable d_h0_conv/w/Adam does not exist, or was not created with tf.get_variable().
Did you mean to set reuse=tf.AUTO_REUSE in VarScope?
错误代码片段
print tf.get_variable_scope().reuse # 输出False
self.disc_true, disc_true_logits = self.discriminator(self.real_AB, reuse=False)
self.disc_fake, disc_fake_logits = self.discriminator(self.fake_AB, reuse=True)
……（不必要的部分）
t_vars = tf.trainable_variables()
self.d_vars = [var for var in t_vars if 'd_' in var.name]
self.g_vars = [var for var in t_vars if 'g_' in var.name]
# 下面这行是报错行
self.d_optim = tf.train.AdamOptimizer(0.0002, beta1=0.5).minimize(self.d_loss, var_list=self.d_vars)
self.g_optim = tf.train.AdamOptimizer(0.0002, beta1=0.5).minimize(self.g_loss, var_list=self.g_vars)
错误原因测试
加入一些代码进行错误测试，运行结果我写在了注释里：
print tf.get_variable_scope().reuse # 输出False
self.disc_true, disc_true_logits = self.discriminator(self.real_AB, reuse=False)
self.disc_fake, disc_fake_logits = self.discriminator(self.fake_AB, reuse=True)
print tf.get_variable_scope().reuse # 输出True，说明上面一行起到了将reuse赋值为True的作用
# 此时的reuse因为上面的调用被置为了True，则当前variable_scope中，部分定义变量的方法会受限
# 以下两行不受影响，说明reuse和普通的变量定义方式没关系
suibian = 1
print suibian
# 以下变量定义受到了影响，说明使用get_variable之类的函数定义变量，会受到reuse的影响
# （报错信息：ValueError: Variable v does not exist, or was not created with tf.get_variable(). Did you mean to set reuse=tf.AUTO_REUSE in VarScope?）
v = tf.get_variable("v", shape=[1], initializer=tf.constant_initializer(1.0))
print v
……（不必要的部分）
t_vars = tf.trainable_variables()
self.d_vars = [var for var in t_vars if 'd_' in var.name]
self.g_vars = [var for var in t_vars if 'g_' in var.name]
# 下面这行是报错行
self.d_optim = tf.train.AdamOptimizer(0.0002, beta1=0.5).minimize(self.d_loss, var_list=self.d_vars)
self.g_optim = tf.train.AdamOptimizer(0.0002, beta1=0.5).minimize(self.g_loss, var_list=self.g_vars)
有资料说明，tf.train.AdamOptimizer()调用时会定义Adam变量，但这些资料没有说明定义细节，经分析，我认为定义细节是这样的：
首先告知读者必要事项，以上代码的倒数第二行中，我的var_list中的第一个变量是d_h0_conv/w，而报错信息中的变量是d_h0_conv/w/Adam，说明tf.train.AdamOptimizer()是为var_list中的变量xxx创建名为xxx/Adam的变量。
另外，注意以下这种报错格式：
ValueError: Variable xx does not exist, or was not created with tf.get_variable().
Did you mean to set reuse=tf.AUTO_REUSE in VarScope?
在刚才的错误测试代码中，在reuse为True的情况下，尝试用get_variable()创建变量会报这种错误，而普通的变量定义不会触发这种错误，比如用x = 1定义变量x；以及文章开头提到的tf.train.AdamOptimizer()报错也是这个格式。所以基本可以肯定tf.train.AdamOptimizer()创建Adam变量的方式是使用get_variable()之类的函数进行创建，或者严谨点讲，至少其不是用普通的创建变量的方式进行创建。
错误解决
添加一些代码，如下是添加之后的样子（顺便附上几行注释供读者理解）：
print tf.get_variable_scope().reuse # 输出False
self.disc_true, disc_true_logits = self.discriminator(self.real_AB, reuse=False)
self.disc_fake, disc_fake_logits = self.discriminator(self.fake_AB, reuse=True)
……（不必要的部分）
t_vars = tf.trainable_variables()
self.d_vars = [var for var in t_vars if 'd_' in var.name]
self.g_vars = [var for var in t_vars if 'g_' in var.name]
with tf.variable_scope(tf.get_variable_scope(), reuse=tf.AUTO_REUSE):
# AdamOptimizer函数会为var_list中的每一个变量创建Adam变量，而且是在这个scope下创建，var_list中的第一个变量就是d_h0_conv/w，
# 所以先创建d_h0_conv/w/Adam，如果不加上面那行，则此时的reuse是True，而其是新创建的变量，所以会报错，
# 这也说明了AdamOptimizer定义Adam变量的方式不是普通定义方式，而是用get_variable之类的函数定义
self.d_optim = tf.train.AdamOptimizer(0.0002, beta1=0.5).minimize(self.d_loss, var_list=self.d_vars)
self.g_optim = tf.train.AdamOptimizer(0.0002, beta1=0.5).minimize(self.g_loss, var_list=self.g_vars)
如果你有任何问题，你可以通过邮件联系我： [email protected] .
我的github博客：umbrellalalalala.github.io
