tensorflow学习笔记--tf.get_variable、tf.Variable

    tf.get_variable创建变量的时候必须提供name属性。如果再次运行该代码，报错：

ValueError: Variable gv already exists, disallowed. Did you mean to set reuse=True in VarScope?

    可见，tf.get_variable用来实现变量共享。tf.get_variable创建的变量存在命名冲突的问题。而tf.Variable不存在命名冲突的问题，如果tf.Variable创建的变量name相同，就会创建一个新的变量，在name属性（或者name_scope）后加上后缀_1等。例如：

import tensorflow as tf
with tf.variable_scope('v_scope') as scope1:
    Weights1 = tf.get_variable('Weights', shape=[2,3])
    bias1 = tf.Variable([0.52], name='bias')

# 下面来共享上面已经定义好的变量
# note: 在下面的 scope 中的get_variable()变量必须已经定义过了，才能设置 reuse=True，否则会报错
with tf.variable_scope('v_scope', reuse=True) as scope2:
    Weights2 = tf.get_variable('Weights')
    bias2 = tf.Variable([0.52], name='bias')
    bias3= tf.Variable([0.52], name='bias')

print(Weights1.name)
print(Weights2.name)
print(bias1.name)
print(bias2.name)
print(bias3.name)

输出：

v_scope/Weights:0
v_scope/Weights:0
v_scope/bias:0
v_scope_1/bias:0
v_scope_1/bias_1:0

    tf.variable_scope包含tf.name_scope的作用，而且可以用来实现变量共享.

with tf.variable_scope('vs1', reuse=True) as vs:

    tf.variable_scope中设置了reuse=True，则其中tf.get_variable()的变量必须是已经在vs1中通过tf.get_variable()方法声明的变量，否则报错：

ValueError: Variable vs1/var3 does not exist, or was not created with tf.get_variable().

而tf.Variable()方法不受reuse=True的影响。

tf.name_scope()对tf.get_variable()方法没有作用，起不到命名空间的作用。例如：

import tensorflow as tf
with tf.name_scope('nc1') as vs:
    a = tf.get_variable('var1', shape=[2,4], dtype=tf.float32)
print(a.name)

输出：var1:0

具体实验参考博客  TensorFlow入门（七） 充分理解 name / variable_scope