TensorFlow演示作用域与操作符的受限范围

一 实例描述

variable_scope还可以使用 with tf.variable_scope("name") as xxxscope的方式定义作用域，当使用这种方式时，所定义的作用域变量xxxscope将不再受外围scope所限制。

二 代码

import tensorflow as tf
tf.reset_default_graph()
with tf.variable_scope("scope1") as sp:
     var1 = tf.get_variable("v", [1])
print("sp:",sp.name)                      #sp: scope1
print("var1:",var1.name)                  #var1: scope1/v:0    
with tf.variable_scope("scope2"):
    var2 = tf.get_variable("v", [1])
    
    with tf.variable_scope(sp) as sp1:    #将sp放在作用域scope2中，并as成sp1，使得v3不受外层scope限制
        var3 = tf.get_variable("v3", [1])
          
        with tf.variable_scope("") :      #让v4多出一个空层
            var4 = tf.get_variable("v4", [1])
            
print("sp1:",sp1.name)      #sp1: scope1           sp1在scope2下，但是输出任是scope1，没有改变
print("var2:",var2.name)    #var2: scope2/v:0
print("var3:",var3.name)    #var3: scope1/v3:0     表明var3在scope1下，再次说明sp没有受到外层的限制。
print("var4:",var4.name)    #var4: scope1//v4:0    v4多出一个空层
with tf.variable_scope("scope"):
    with tf.name_scope("bar"):
        v = tf.get_variable("v", [1])
        x = 1.0 + v
        with tf.name_scope(""): #空字符将作用域返回到顶层
            y = 1.0 + v
print("v:",v.name)              #v: scope/v:0          变量的命名只受到variable_scope限制，不受name_scope限制
print("x.op:",x.op.name)        #x.op: scope/bar/add   操作符不仅受到name_scope作用域限制，同时也受variable_scope作用域限制。
print("y.op:",y.op.name)        #y.op: add             在空字符作用域下，被返回到顶层

三 运行结果

sp: scope1

var1: scope1/v:0

sp1: scope1

var2: scope2/v:0

var3: scope1/v3:0

var4: scope1//v4:0

v: scope/v:0

x.op: scope/bar/add

y.op: add