python-tensorflow 变量及作用域(一)

需求一：

tensorflow定义变量，tf.Variable()

v1 = tf.Variable(3,name='V2')
v2 = tf.Variable(3,name='V2')

问题：当定义相同的变量名时，系统会对name属性做更改 V2_1，当模型复杂的时候，需要构建大量的变量集，这样会导致我们对于变量管理的复杂性

方法：开发人员重新设立机制，使用get_variable建立自定义命名的变量，当新建立一个同名变量时，程序会报错。解决了每个变量都有确定命名，不涉及到系统自动命名问题。

v3 = tf.get_variable(name='V2',initializer=1.0)

 需求二：

问题：变量共享，有一段代码中定义的变量需要重复使用，就像相似的卷积层被写成模块，需要经常被调用，这时引入了变量作用域的概念。创建了v1,v2  v3,v4

with tf.variable_scope('scope1',reuse=tf.AUTO_REUSE):
    v1 = tf.get_variable(name='V1',initializer=1.0)
    v2 = tf.get_variable(name='V2',initializer=1.0)

with tf.variable_scope('scope2',reuse=tf.AUTO_REUSE):
    v3 = tf.get_variable(name='V1',initializer=1.0)
    v4 = tf.get_variable(name='V2',initializer=1.0)
print(v1 is v3)
print(v2 is v4)

False

False

 需求三：

问题：代码功能是一样的，用类似的方法创建了v1,v2   v3,v4,我们希望简化下，希望将

v1 = tf.get_variable(name='V1',initializer=1.0)
v2 = tf.get_variable(name='V2',initializer=1.0)写成模块

def varible():
    v1 = tf.get_variable(name='V1',initializer=1.0)
    v2 = tf.get_variable(name='V2',initializer=1.0)
    return v1,v2

with tf.variable_scope('scope1',reuse=tf.AUTO_REUSE):
    v1,v2 = varible()

with tf.variable_scope('scope2',reuse=tf.AUTO_REUSE):
    v3,v4 = varible()
print(v1 is v3)
print(v2 is v4)

False

False

 需求四：

问题：需求三是同一个模块，创建不同变量。我们希望同一个模块中的变量被不同的地方引用。只需要改下变量作用域，scope2改为scope1

def varible():
    v1 = tf.get_variable(name='V1',initializer=1.0)
    v2 = tf.get_variable(name='V2',initializer=1.0)
    return v1,v2

with tf.variable_scope('scope1',reuse=tf.AUTO_REUSE):
    v1,v2 = varible()

with tf.variable_scope('scope1',reuse=tf.AUTO_REUSE):
    v3,v4 = varible()
print(v1 is v3)
print(v2 is v4)

True

True

注意：tensorflow变量作用域tf.variable_scope('scope1',reuse=tf.AUTO_REUSE)，指定了reuse=tf.AUTO_REUSE时，变量再次使用时才不会报错