tensorflow的变量作用域

一、由来

深度学习中需要使用大量的变量集，以往写代码我们只需要做全局限量就可以了，但在tensorflow中，这样做既不方便管理变量集，有不便于封装，因此tensorflow提供了一种变量管理方法：变量作用域机制

二、两个重要API

tf.get_variable(name, shape=None)　　　　　　　　# 根据给定的名字创建或返回一个变量

tf.variable_scope(name_or_scope, reuse=None)　　# 将name_or_scope下的所有变量组成一个命名空间　　

三、解读

先说第一个API

tf.get_variable(name, shape=None)这个方法在建立变量时与tf.Variable()完全相同，区别在于它还会搜索是否有同名变量；

import tensorflow as tf


with tf.variable_scope('const'):
    a = tf.get_variable('a', [1], initializer=tf.constant_initializer(1.))

再说第二个API

这个方法最重要的参数时reuse，有三个取值：None、True、tf.AUTO_REUSE

reuse = None：继承父类的reuse标志

reuse = True：只能复用，不能创建

import tensorflow as tf


with tf.variable_scope('const'):
    a = tf.get_variable('a', [1])

with tf.variable_scope('const', reuse=tf.AUTO_REUSE):
    b = tf.get_variable('a', [1])

print(a==b)     # True

reuse = tf.AUTO_REUSE：没有就创建，有了就复用，这是最安全的用法

import tensorflow as tf


def test():
    with tf.variable_scope('const', reuse=tf.AUTO_REUSE):
        a = tf.get_variable('a', [1])

    return a

x = test()  # 没有就创建
y = test()  # 有了就复用
print(x==y)     # True