Python编程之tf.variable_scope()的用法，包你永不退还知识

从字面上理解，就是变量的作用域管理器；

首先运行一个例子，然后在研究里面的代码

import tensorflow as tf
with tf.variable_scope("tjn"):
    with tf.variable_scope("czj"):
        m=tf.get_variable("v",[12])
        assert m.name == "tjn/czj/v:0"

 

tf.variable_scope()是我们要研究的用法，不知道是什么意思，没关系；

tf.get_variable()是什么意思？

例子:tf.get_variable("v")获取v的变量，如果变量名为v的变量没有就创建，有的话就引用；

assert又是什么意思？

是断言，判断真假，如果为真就不报错继续执行，如果为假就抛出异常；

 

整个代码是判断m的变量作用域的名称是"tjn/czj/v:0"还是"tjn/czj/v:1"？

 

tj 

 

现在是不是感觉有点懂了？

---

 没关系，继续往下看

import tensorflow as tf
with tf.variable_scope("one"):
    o=tf.get_variable("f",[1])
with tf.variable_scope("two"):
    o1=tf.get_variable("f",[1])
assert o == o1
print("想等...")

你觉得是输出相等....还是抛出异常！

o与o1的变量名与值都是一样的，但是变量的作用域名不一样；我断定抛出异常

 

 如果判断不相等，那么肯定能输出来后面的信息

 

---

 现在我们来理解，tf.variable_scope()的意义，在大项目中，变量很多，第114行有一个v的变量，第339行又出现了v的变量，后面写代码都晕了，搞不清楚。怎么办？搞一个变量管理器，即使变量名一样，但是变量作用域不一样，引用的时候就不会出现穿插问题了，方便代码的维护；

---

我们现在再来看看一个例子：

在一个变量作用域中，出现了两个变量名与值都一样的o与o1，两个的作用域也一样；

是不是意味着o与o1相等呢？

import tensorflow as tf
with tf.variable_scope("one"):
    o=tf.get_variable("f",[1])
    o1=tf.get_variable("f",[1])

结果如下

 

 百度了，一个变量的作用域名名不能一样，除非作用域设置了可重复使用，也就是reuse=tf.AUTO_REUSE