tensorflow的变量作用域

一、由来

深度学习中需要使用大量的变量集，以往写代码我们只需要做全局限量就可以了，但在tensorflow中，这样做既不方便管理变量集，有不便于封装，因此tensorflow提供了一种变量管理方法：变量作用域机制

二、两个重要API

tf.get_variable(name, shape=None)　　　　　　　　# 根据给定的名字创建或返回一个变量

tf.variable_scope(name_or_scope, reuse=None)　　# 将name_or_scope下的所有变量组成一个命名空间　　

三、解读

先说第一个API

tf.get_variable(name, shape=None)这个方法在建立变量时与tf.Variable()完全相同，区别在于它还会搜索是否有同名变量；

1 import tensorflow as tf
2 
3 
4 with tf.variable_scope('const'):
5     a = tf.get_variable('a', [1], initializer=tf.constant_initializer(1.))

再说第二个API

这个方法最重要的参数时reuse，有三个取值：None、True、tf.AUTO_REUSE

reuse = None：继承父类的reuse标志

reuse = True：只能复用，不能创建

 1 import tensorflow as tf
 2 
 3 
 4 with tf.variable_scope('const'):
 5     a = tf.get_variable('a', [1])
 6 
 7 with tf.variable_scope('const', reuse=tf.AUTO_REUSE):
 8     b = tf.get_variable('a', [1])
 9 
10 print(a==b)     # True

reuse = tf.AUTO_REUSE：没有就创建，有了就复用，这是最安全的用法

 1 import tensorflow as tf
 2 
 3 
 4 def test():
 5     with tf.variable_scope('const', reuse=tf.AUTO_REUSE):
 6         a = tf.get_variable('a', [1])
 7 
 8     return a
 9 
10 x = test()  # 没有就创建
11 y = test()  # 有了就复用
12 print(x==y)     # True