tf.variable_scope和tf.name_scope的区别

tensorflow创建变量有两种方式，tf.Variable()和tf.get_variable()：

（1）使用tf.Variable创建变量时，如果检测到命名冲突，系统会自己处理。

（2）使用tf.get_variable()创建变量时，如果检测到命名冲突，系统会报错。

 

tf.variable_scope和tf.name_scope的都是让变量可以有相同的命名。

（1）tf.variable_scope可以让这两种方式tf.Variable()和tf.get_variable()，创建的变量有相同的命名。

（2）tf.name_scope只对tf.Variable()有效。

 

tf.variable_scope和tf.name_scope的用法如下：

with tf.name_scope('inputs'):
    self.x = tf.placeholder(tf.float32,[batch_size,step_num,input_size],name='x')
    self.y = tf.placeholder(tf.float32,[batch_size,step_num,output_size],name='y')

with tf.variable_scope('input_layer'):
    self.add_input_layer()