scope 参数错误或没有 scope 权限_tf.name_scope() 命名域

Key points：

• 命名空间的实际作用
• 命名空间对变量作用域无影响
• 命名空间多次重复执行时加1操作
• 如何指定变量到相同的命名空间
• namescope 对 get_variable 无影响

1，tf.name_scope()命名空间的实际作用

• 在某个tf.name_scope()指定的区域中定义的所有对象及各种操作，他们的“name”属性上会增加该命名区的区域名，用以区别对象属于哪个区域
• 将不同的对象及操作放在由tf.name_scope()指定的区域中，便于在tensorboard中展示清晰的逻辑关系图，这点在复杂关系图中特别重要。

2，name_scope()只决定“对象”属于哪个范围，并不对“对象”的“作用域”产生任何影响。

在name_scope中定义的对象，从被定义的位置开始，直到后来某个地方对该对象重新定义，中间任何地方都可以使用该对象。本质上name_scope只对对象的name属性进行圈定，并不会对其作用域产生任何影响。比如你在某个城市出生，只能在这里活动，去别的地方就会挂掉，这是不会的！

示例如下：

变量 a 在case1 中定义，但是与case2 输出相同，case3 在不同的with中定义，结果与case1 and 2 相同。 Case4 重新的定义输出，结果与case5 相同。

3. 相同命名空间的多次执行，序号变化

tf.name_scope('cgx_scope')语句重复执行几次，就会生成几个独立的命名空间，尽管表面上看起来都是“cgx_scope”，实际上tensorflow在每一次执行相同语句都会在后面加上“_序数”，加以区别。

见下例：

（1）指定了“cgx_scope”命名区域，并在其中定义变量a；

（2）又指定了相同名称的“cgx_scope”命名区域，并在其中定义变量b；

（3）输出a.name = cgx_scope/my_a:0和b.name = cgx_scope_1/my_b:0，可见b.name已经自动加了“_1”，这是tensorflow的特点，自动检测是否重复，有重复就自动增加数字作为标记。

4. 如何在不同的地方将对象指定到相同的name_scope中？

方法：

with 

5. tf.name_scope()对由tf.get_variable()产生的变量没有影响

如下例：

在cgx_scope命名空间下，a是由tf.get_variable(）生成的变量，b是由tf.Variable(）生成的变量，按规律a.name和b.name的前缀都是cgx_scope，但从输出结果可看出，a.name的前缀没出现，说明a不在该命名空间。后面的tensorboard图也说明了这点。出现这种情况是由tf.get_variable()的特性决定的。

参考：

https://www.jianshu.com/p/635d95b34e14