Python中使用_来命名变量的原因

在阅读TensorFlow中Slim库里Inception网络的代码时，发现有用单下划线命名的变量，来接收函数返回值，而且之后也没有用到。当时就猜测是不是意为不用的变量。代码如下：

def testEvaluation(self):
    batch_size = 2
    height, width = 224, 224
    num_classes = 1000

    eval_inputs = tf.random_uniform((batch_size, height, width, 3))
    logits, _ = inception.inception_v2(eval_inputs, num_classes,
                                       is_training=False)
    predictions = tf.argmax(logits, 1)

    with self.test_session() as sess:
      sess.run(tf.global_variables_initializer())
      output = sess.run(predictions)
      self.assertEquals(output.shape, (batch_size,))

第七行中，该函数有两个返回值，第一个是网络的权重参数，第二个是查询字典，可以获得网络中所有张量名称，如MaxPool_2a_3x3, Conv2d_2b_1x1, Conv2d_2c_3x3等。

此处由于是测试Evaluation，因此不需要获取网络内部张量的输出，故endpoint弃而不用，以”_”命名。

上网查询后，在StackOverflow找到了关于命名为”_”的变量的详细解释：

1. 在交互式命令行中，使用命名为”_”的变量来保存上一次运行或上一条语句的结果

2. 考虑到程序的国际化翻译，对某位置的文本获取时需要调用如gettext()等函数，来把英文转化为其他语言。为了不影响阅读，同时避免通篇的gettext()调用，可以在开头将gettext()函数赋值给_，随后便可用_来代替，提升阅读体验。例：

   raise forms.ValidationError(_("Please enter a correct username"))

3. 最后一种便是上文提到的，用_变量存储不需要的返回值。如果使用字母命名，读者可能会认为这是个有意义的变量，而去上下文继续查找该变量是否有使用。

需要注意的是，上述的后两种用法会有冲突，因此需要避免在需要国际化的程序中使用_代表忽略的变量。你也可以选择在需要国际化的程序中，也可改为使用两条下划线_来代表忽略的变量。