本章介绍TensorFlow中非常常用的共享变量的使用。其他部分前往：TensorFlow 学习目录
目录
二、摒弃 tf.Variable() 使用 tf.variable_scope() 与 tf.get_variable() 的组合
三、with tf.variable_scope as vs: 对 tf.variable_scope() 的影响
四、使用tf.name_scope，这个命名空间不作用在变量上，而是只作用在OP上面
一、对 tf.Variable() 的讨论
首先我们知道 tf.Variable() 函数的使用方法
import tensorflow as tf
var1 = tf.Variable(tf.constant(0.5), name='var', dtype=tf.float32)
print (var1.name)输出
var:0现在思考，如果我想继续再其他的模型中使用这个变量怎么办，比如，GAN网络中的生成器和判别器，如果要是使用 tf.Variable()然后用同样的变量名字，那样会得到一个新的变量而不是我们原先需要。
import tensorflow as tf
var1 = tf.Variable(tf.constant(0.5), name='var', dtype=tf.float32)
print (var1.name)
var2 = tf.Variable(tf.constant(0.5), name='var', dtype=tf.float32)
print (var2.name)输出
var:0
var_1:0可以看到，系统直接给了一个新的变量名字，而不是使用之前我们定义的那个 var1。
二、摒弃 tf.Variable() 使用 tf.variable_scope() 与 tf.get_variable() 的组合
- tf.get_variable()，如果变量的名字没有被使用过，那么该语句就是建立一个新的变量，和 tf.Variable() 没有任何的区别，如果变量的名字之前在该“图”中被使用过，那么如果直接使用这个语句会报错，因为一个“图中” tf.get_variable()只能定义同一个名字的变量（样例：code_1），所以如果此时需要共享之前的那个变量，需要配合 tf.variable_scope()（样例：code_2)。
- tf.variable_scope() 相当于一个命名空间，然后可以嵌套使用，可以当作是一个地址，路径之类的东西。
# code_1:
import tensorflow as tf
var3 = tf.get_variable(name='var_', dtype=tf.float32, initializer=tf.constant(3.3333))
print (var3.name)
var4 = tf.get_variable(name='var_', dtype=tf.float32)
print (var4.name)输出，报错
File "D:/pycodeLIB/TensorFlow/test.py", line 22, in <module>
var4 = tf.get_variable(name='var_', dtype=tf.float32)
File "D:\python3.6.4\lib\site-packages\tensorflow\python\ops\variable_scope.py", line 1328, in get_variable
constraint=constraint)
File "D:\python3.6.4\lib\site-packages\tensorflow\python\ops\variable_scope.py", line 1090, in get_variable
constraint=constraint)
File "D:\python3.6.4\lib\site-packages\tensorflow\python\ops\variable_scope.py", line 435, in get_variable
constraint=constraint)
File "D:\python3.6.4\lib\site-packages\tensorflow\python\ops\variable_scope.py", line 404, in _true_getter
use_resource=use_resource, constraint=constraint)
File "D:\python3.6.4\lib\site-packages\tensorflow\python\ops\variable_scope.py", line 743, in _get_single_variable
name, "".join(traceback.format_list(tb))))
ValueError: Variable var_ already exists, disallowed. Did you mean to set reuse=True or reuse=tf.AUTO_REUSE in VarScope? Originally defined at:
File "D:\python3.6.4\lib\site-packages\tensorflow\python\framework\ops.py", line 1740, in __init__
self._traceback = self._graph._extract_stack() # pylint: disable=protected-access
File "D:\python3.6.4\lib\site-packages\tensorflow\python\framework\ops.py", line 3414, in create_op
op_def=op_def)
File "D:\python3.6.4\lib\site-packages\tensorflow\python\framework\op_def_library.py", line 787, in _apply_op_helper
op_def=op_def)下面的代码是正确的使用方法，而且代码中我特意使用了嵌套 tf.variable_scope()的形式。
# code_2
import tensorflow as tf
with tf.variable_scope('test1'):
with tf.variable_scope('test2'):
var3 = tf.get_variable('var1', initializer=tf.constant(value=[1, 2, 3, 4, 5], shape=[5], dtype=tf.float32), dtype=tf.float32)
print (var3.name)
with tf.variable_scope('test1', reuse=True):
with tf.variable_scope('test2'):
var4 = tf.get_variable('var1', dtype=tf.float32)
print (var4.name)输出结果，可以从结果中看出，此时使用的是用一个参数
test1/test2/var1:0
test1/test2/var1:0三、with tf.variable_scope as vs: 对 tf.variable_scope() 的影响
如果对一个tf.variable_scope()的嵌套结构的内层 variable_scope初始化为vs那么此时，那么其将不受外部 variable_scope() 的影响，通过比较下面两个代码，来感受一下（该代码和code_2区别在第4行和倒数第3行）
import tensorflow as tf
with tf.variable_scope('test1'):
with tf.variable_scope('test2') as vs:
var3 = tf.get_variable('var1', initializer=tf.constant(value=[1, 2, 3, 4, 5], shape=[5], dtype=tf.float32), dtype=tf.float32)
print (var3.name)
with tf.variable_scope('test1', reuse=True):
with tf.variable_scope(vs):
var4 = tf.get_variable('var1', dtype=tf.float32)
print (var4.name)输出报错：
Traceback (most recent call last):
File "D:/pycodeLIB/TensorFlow/test.py", line 16, in <module>
var4 = tf.get_variable('var1', dtype=tf.float32)
File "D:\python3.6.4\lib\site-packages\tensorflow\python\ops\variable_scope.py", line 1328, in get_variable
constraint=constraint)
File "D:\python3.6.4\lib\site-packages\tensorflow\python\ops\variable_scope.py", line 1090, in get_variable
constraint=constraint)
File "D:\python3.6.4\lib\site-packages\tensorflow\python\ops\variable_scope.py", line 435, in get_variable
constraint=constraint)
File "D:\python3.6.4\lib\site-packages\tensorflow\python\ops\variable_scope.py", line 404, in _true_getter
use_resource=use_resource, constraint=constraint)
File "D:\python3.6.4\lib\site-packages\tensorflow\python\ops\variable_scope.py", line 743, in _get_single_variable
name, "".join(traceback.format_list(tb))))
ValueError: Variable test1/test2/var1 already exists, disallowed. Did you mean to set reuse=True or reuse=tf.AUTO_REUSE in VarScope? Originally defined at:
File "D:\python3.6.4\lib\site-packages\tensorflow\python\framework\ops.py", line 1740, in __init__
self._traceback = self._graph._extract_stack() # pylint: disable=protected-access
File "D:\python3.6.4\lib\site-packages\tensorflow\python\framework\ops.py", line 3414, in create_op
op_def=op_def)
File "D:\python3.6.4\lib\site-packages\tensorflow\python\framework\op_def_library.py", line 787, in _apply_op_helper
op_def=op_def)该错误很明显，是由上面提到的问题的真是反应，就是说，vs不受上一层variable_scope()的影响，所以vs初始化的variable_scope()不可以去共享变量，因为其reuse参数没有设置为True。下面更改之后的代码为
import tensorflow as tf
with tf.variable_scope('test1'):
with tf.variable_scope('test2') as vs:
var3 = tf.get_variable('var1', initializer=tf.constant(value=[1, 2, 3, 4, 5], shape=[5], dtype=tf.float32), dtype=tf.float32)
print (var3.name)
with tf.variable_scope('test1', reuse=True):
with tf.variable_scope(vs, reuse=True):
var4 = tf.get_variable('var1', dtype=tf.float32)
print (var4.name)输出正确
test1/test2/var1:0
test1/test2/var1:0四、使用tf.name_scope，这个命名空间不作用在变量上，而是只作用在OP上面
import tensorflow as tf
with tf.variable_scope('test3'):
with tf.name_scope('op_test'):
v = tf.get_variable('v', dtype=tf.float32, initializer=tf.random_normal(shape=[6], mean=0.0, stddev=1.0))
xx = 1.0 + v
print (v.name)
print (xx.op.name)输出
test3/v:0
test3/op_test/add可以看出其中的变量没有收到‘op_test'空间的影响，但是OP操作add却受到了'op_test'命名空间的影响。
