tf.variable_scope和tf.name_scope

	tf.name_scope 主要结合 tf.Variable() 来使用，主要是用来管理命名空间的，这样子让我们的整个模型更加有条理。
tf.name_scope() 并不会对 tf.get_variable() 创建的变量有任何影响。
	而 tf.variable_scope() 的作用是为了实现变量共享，它和 tf.get_variable() 来完成变量共享的功能。
	变量共享主要涉及两个函数：tf.variable() 和tf.get_variable()；即就是必须要在tf.variable_scope的作用域下使用tf.get_variable()函数。
这里用tf.get_variable( ) 而不用tf.Variable( )，是因为前者拥有一个变量检查机制，会检测已经存在的变量是否设置为共享变量，
如果已经存在的变量没有设置为共享变量，TensorFlow 运行到第二个拥有相同名字的变量的时候，就会报错。
	两个创建变量的方式。如果使用tf.Variable() 的话每次都会新建变量。
但是大多数时候我们是希望重用一些变量，所以就用到了get_variable()，它会去搜索变量名，有就直接用，没有再新建。
	不像 tf.Variable() 每次都会产生新的变量, tf.get_variable() 如果遇到了已经存在名字的变量时, 它会单纯的提取这个同样名字的变量，如果不存在名字的变量再创建.

参考：

• TensorFlow入门（四） name / variable_scope 的使用
• TensorFlow入门（七） 充分理解 name / variable_scope
• (TensorFlow)——tf.variable_scope和tf.name_scope详解
• tf.name_scope()和tf.variable_scope()