变量的trick

首先是tf.get_variable和tf.Variable:

    tf.get_variable通常和variable_scope一起使用管理变量命名空间，且通过reuse实现变量的复用，通过该方法获得变量必须指明变量名，否则报错。且name_scope对该方法无效，比如：

    

with name_scope('haha'):
    a = tf.get_variable(name='a',shape=(2))
sess.run(a.name)

"a:0"

    tf.Variable通常和name_scope 一起使用，name_scope会对tf.Variable起作用，且该方法获得变量时不用对变量命名，且命名重复时，会自动对其处理（variable_name:0,variable_name_1:0）

还有对加载模型（预训练模型），对参数的复用：

    保存，加载模型可以看这儿：tensorflow保存加载模型

    这儿主要是有个graph.get_tensor_by_name方法，这个方法通过变量名获取变量，那为什么可以通过op_name获得变量呢，发现这儿有答案：点击打开链接

    原来每个op的输出依次为op_name:0,op_name:1......所以通过graph.get_tensor_by_name（op_name:0）可以拿到op的第一个输出，而通过graph.get_operation_by_name()是拿不到输出的，因为op只是一个操作，是个“壳”，但是也可以通过graph.get_operation_by_name().outputs[0]拿到第一个输出。