tf.variable_scope 和 tf.name_scope 的区别

这两个函数不仅名称相近，功能上也差不多，不过name_scope的使用范围更小，一般我们都选择variable_scope，下面说下这两个的区别。

我们知道在TensorFlow中每个变量都有自己的作用域，我们常常用作用域+变量名来作为这个变量独一无二的名称。那么，这两个函数就是为了实现这样的功能的。请看下面代码：

import tensorflow as tf

with tf.variable_scope('Cvpr'):
    var_1 = tf.Variable(0,name='Best_paper')
with tf.name_scope('Eccv'):
    var_2 = tf.Variable(1,name='Best_paper')

sess = tf.Session()
sess.run(tf.initialize_all_variables())
print('var_1 name is',var_1.name)
print('var_2 name is',var_2.name)

结果如下：

var_1 name is Cvpr/Best_paper:0
var_2 name is Eccv/Best_paper:0

注意看，每一个变量之前都scope名称。

那么他们究竟有什么区别呢？这就涉及到另一个函数：tf.get_variable()

import tensorflow as tf

with tf.name_scope('Cvpr'):
    var_1 = tf.get_variable('Best_paper',[1])
with tf.variable_scope('Eccv'):
    var_2 = tf.get_variable('Best_paper',[])

print('var_1 name is',var_1.name)
print('var_2 name is',var_2.name)

请看输出：

var_1 name is Best_paper:0
var_2 name is Eccv/Best_paper:0

var_1这变量使用get_variable生成的，可以看出get_variable不收tf.name_scope管制。

其实对于大部分TensorFlow使用者，知道name_scope和variable_scope仅仅这一点区别就足够用了。