tensorflow中tf.Variable() 方法和 tf.get_variable()方法的区别

除了用法稍有不同外，二者本质区别在于，当出现name冲突时处理不同。

1. tf.Variable() 方法

例：我们让两个变量name相同，看tensorflow怎么处理。
输入：

var1 = tf.Variable(initial_value=0.0, name="var")
var2 = tf.Variable(initial_value=0.1, name="var")
print(var1.name)
print(var2.name)
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(var1.eval())
    print(var2.eval())

输出：

var:0
var_1:0
0.0
0.1

可以看到，虽然我们把两个变量名字都取作‘var’，但是第二个被自动重命名为‘var_1’。
结论：使用 tf.Variable() 方法时不用担心名字冲突，框架会自动处理。

2. tf.get_variable()方法

根据在tensorflow命名空间内是否开启自动变量复用
（reuse=tf.AUTO_REUSE）分为两种情况:

2.1. 不开启变量复用

输入：

with tf.variable_scope("scope0"):
    var1 = tf.get_variable("var", initializer=tf.constant(0.0))
    var2 = tf.get_variable("var", initializer=tf.constant(1.0))

输出：报错
错误为：with tf.variable_scope("scope1", reuse=tf.AUTO_REUSE):

2.2. 开启变量复用

输入：

with tf.variable_scope("scope1", reuse=tf.AUTO_REUSE):
    var1 = tf.get_variable("var", initializer=tf.constant(0.0))
    var2 = tf.get_variable("var", initializer=tf.constant(1.0))
    print(var1.name)
    print(var2.name)
    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        print(var1.eval())
        print(var2.eval())

输出：

scope1/var:0
scope1/var:0
0.0
0.0  # 还是0.0，还是第一次声明的值

结论：开启复用后，tf.get_variable() 生成的变量，会被复用，但值是第一次赋值的那个值。