tensorflow不同位置使用相同的name_scope

最近笔者想要把网络层写成类，而不是函数，所以需要在各个位置都使用相同的name_scope。然后遇到如果仅仅使用with tf.name_scope会在不同位置上生成不同的name_scope。稍微搜索了一下找到tensorflow中name_scope使用的一些细节，记录在此。主要是转载https://stackoverflow.com/questions/45670224/why-the-tf-name-scope-with-same-name-is-different 和　https://github.com/tensorflow/tensorflow/issues/6007中的内容。

---

例如如下代码：

with tf.name_scope('hha'):
    a = tf.zeros(1,name='a')
with tf.name_scope('hha'):
    b = tf.zeros(1,name='b')
print(a.name)
print(b.name)

返回值为

hha/a:0
hha_1/b:0

因为tensorflow无法判断是有意在不同位置使用相同的name_scope，而不是两个协作者恰好使用了相同的名字命名不同的name_scope。那tensorflow的做法是对于任意一次调用with tf.name_scope，都自动生成一个独一无二的name_scope以及其名字。所以上诉代码中的a和b所在的name_scope并不相同。
那如何强制使得同一个name_scope在不同位置得以应用，上诉网页中给出了方法：在name_scope后面加上’/’，就会使得tensorflow严格使用给定的name_scope作为名字命名当前片段。例如执行如下代码：

with tf.name_scope('hha'):
    a = tf.zeros(1,name='a')
with tf.name_scope('hha/'):
    b = tf.zeros(1,name='b')
print(a.name)
print(b.name)

返回值为

hha/a:0
hha/b:0

---

主要内容都在上诉部分，下面写一下笔者应用上诉方法的场景与结果。
比如说要写一个Dense层，就是一层前向网络，作为一个类，我在初始化的时候声明相应的$W$和$b$，而运算操作写在__call__函数里面，这就需要在两个位置使用相同的name_scope了。
进一步，因为Dense层可能会在不同位置上被使用，笔者又希望保留即使不命名，不同位置的Dense层自动使用不同的name_scope这一性质。比如若不对Dense层命名，其自动使用Dense默认值，对于第一层是Dense，而第二层会自动使用Dense_1，第三层会自动使用Dense_2。
为了保留上诉两个性质，笔者使用了tf.name_scope里面__enter__函数的返回值。即使用如下代码的时候：with tf.name_scope(string) as scope:，scope实际上是__enter__函数的返回值，为tensorflow根据string生成的name_scope的最终命名值。例如：

with tf.name_scope('hha') as s1:
    a = tf.zeros(1,name='a')
with tf.name_scope('hha') as s2:
    b = tf.zeros(1,name='b')
print(s1)
print(s2)

返回值为

hha/
hha_1/

具体地，在初始化函数__init__中使用with tf.name_scope(name_scope) as self.name_scope:新建一个整个类的name_scope。在其他位置上使用with tf.name_scope(self.name_scope):，即可同时保留上诉两种性能。