tensorflow的命名域问题：tf.Variable与tf.get_variable

写在前面

tensorflow的命名问题断断续续接触了又忘记，干脆写一篇博来记录一下好啦。其实极客学院里面也回答的挺清楚的了：极客学院：共享变量， 但它考虑了更多种情况，自己还是想以更简单的方式去记忆。

tf.Variable：创建变量

这个是最简单粗暴的创建变量方式，如果不停地调用它，是会产生不同的变量的。举个更简单的例子：

import tensorflow as tf
#tf.Variable创建变量
def geta():
    a = tf.Variable([1],name='a')
    return a
a = geta() # 得到<tf.Variable 'a:0' shape=(1,) dtype=int32_ref>
a1 = geta() # 得到与a不同的变量：<tf.Variable 'a_1:0' shape=(1,) dtype=int32_ref>

调用geta()，会得到 <tf.Variable ‘a:0’ shape=(1,) dtype=int32_ref>，再调用geta()，则得到<tf.Variable ‘a_1:0’ shape=(1,) dtype=int32_ref>。可以看到此时两次调用得到两个不同的变量。

但在实际中，我们很可能需要多次调用而使用同一个变量，比如极客学院中提到的，我们可能需要定义一个图片的滤波器函数，然后对不同图片使用同一个滤波器，这时候就需要所谓的共享变量