一.TensorFlow中变量管理reuse参数的使用
1.TensorFlow用于变量管理的函数主要有两个：
(1)tf.get_variable：用于创建或获取变量的值
(2)tf.variable_scope()：用于生成上下文管理器，创建命名空间，命名空间可以嵌套
2.函数tf.get_variable()既可以创建变量也可以获取变量。控制创建还是获取的开关来自函数tf.variable.scope()中的参数reuse为“True”还是"False"，分两种情况进行说明：
(1)设置reuse=False时，函数get_variable（）表示创建变量
with tf.variable_scope("foo"，reuse=False): v=tf.get_variable("v",[1],initializer=tf.constant_initializer(1.0))#在tf.variable_scope()函数中，设置reuse=False时，在其命名空间"foo"中执行函数get_variable（）时，表示创建变量"v" (2)若在该命名空间中已经有了变量"v"，则在创建时会报错，如下面的例子
import tensorflow as tfwith tf.variable_scope("foo"): v=tf.get_variable("v",[1],initializer=tf.constant_initializer(1.0)) v1=tf.get_variable("v",[1])---------------------------------------------------------------------------ValueError Traceback (most recent call last) in () 3 with tf.variable_scope("foo"): 4 v=tf.get_variable("v",[1],initializer=tf.constant_initializer(1.0))----> 5 v1=tf.get_variable("v",[1]) 6 ValueError: Variable foo/v already exists, disallowed. Did you mean to set reuse=True or reuse=tf.AUTO_REUSE in VarScope? (3)设置reuse=True时，函数get_variable（）表示获取变量
import tensorflow as tfwith tf.variable_scope("foo"): v=tf.get_variable("v",[1],initializer=tf.constant_initializer(1.0)) with tf.variable_scope("foo",reuse=True): v1=tf.get_variable("v",[1])print(v1==v) 运行结果为：True (4)在tf.variable_scope()函数中，设置reuse=True时，在其命名空间"foo"中执行函数get_variable()时，表示获取变量"v"。若在该命名空间中还没有该变量，则在获取时会报错，如下面的例子
import tensorflow as tf with tf.variable_scope("foo",reuse=True): v1=tf.get_variable("v",[1])---------------------------------------------------------------------------ValueError Traceback (most recent call last) in () 2 3 with tf.variable_scope("foo",reuse=True):----> 4 v1=tf.get_variable("v",[1]) 5 ValueError: Variable foo/v does not exist, or was not created with tf.get_variable(). Did you mean to set reuse=tf.AUTO_REUSE in VarScope?
二.Tensorflow中命名空间与变量命名问题
1. tf.Variable：创建变量；自动检测命名冲突并且处理；
import tensorflow as tf a1 = tf.Variable(tf.constant(1.0, shape=[1]),name="a") a2 = tf.Variable(tf.constant(1.0, shape=[1]),name="a") print(a1) #创建变量，命名为a print(a2)#自动检测命名冲突并且处理，命名为a_1 print(a1==a2)
运行结果：False
2. tf.get_variable创建与获取变量；在没有设置命名空间reuse的情况下变量命名冲突时报错
import tensorflow as tfa3 = tf.get_variable("a", shape=[1], initializer=tf.constant_initializer(1.0))a4 = tf.get_variable("a", shape=[1], initializer=tf.constant_initializer(1.0))运行结果：ValueError: Variable a already exists, disallowed.Did you mean to set reuse=True or reuse=tf.AUTO_REUSE in VarScope? 3.tf.name_scope没有reuse功能，tf.get_variable命名不受它影响，并且命名冲突时报错；tf.Variable命名受它影响
import tensorflow as tf
a = tf.Variable(tf.constant(1.0, shape=[1]),name="a")with tf.name_scope('layer2'): a1 = tf.Variable(tf.constant(1.0, shape=[1]),name="a") a2 = tf.Variable(tf.constant(1.0, shape=[1]),name="a") a3 = tf.get_variable("b", shape=[1], initializer=tf.constant_initializer(1.0)) # a4 = tf.get_variable("b", shape=[1], initializer=tf.constant_initializer(1.0)) 该句会报错print(a)print(a1) print(a2)print(a3)print(a1==a2)
运行结果：
False
4.tf.variable_scope可以配tf.get_variable实现变量共享；reuse默认为None，有False/True/tf.AUTO_REUSE可选：
- 设置reuse = None/False时tf.get_variable创建新变量，变量存在则报错
- 设置reuse = True时tf.get_variable只获取已存在的变量，变量不存在时报错
- 设置reuse = tf.AUTO_REUSE时tf.get_variable在变量已存在则自动复用，不存在则创建(！！！我的tensorflow好像不能用，报错说找不到这个模块)
(1) reuse=True的例子：
import tensorflow as tfwith tf.variable_scope('layer1'): a3 = tf.get_variable("b", shape=[1], initializer=tf.constant_initializer(1.0)) with tf.variable_scope('layer1',reuse=True): a1 = tf.Variable(tf.constant(1.0, shape=[1]),name="a") a2 = tf.Variable(tf.constant(1.0, shape=[1]),name="a") a4 = tf.get_variable("b", shape=[1], initializer=tf.constant_initializer(1.0))print(a1) print(a2)print(a1==a2)print()print(a3)print(a4)print(a3==a4)运行结果： False True (2) reuse=None/False的例子：
import tensorflow as tfwith tf.variable_scope('layer1'): a3 = tf.get_variable("b", shape=[1], initializer=tf.constant_initializer(1.0)) with tf.variable_scope('layer1'): #reuse默认为None a1 = tf.Variable(tf.constant(1.0, shape=[1]),name="a") a2 = tf.Variable(tf.constant(1.0, shape=[1]),name="a") a4 = tf.get_variable("b", shape=[1], initializer=tf.constant_initializer(1.0)) #a4创建新变量b(而b已经存在了，a3已经创建)，报错print(a1) print(a2)print(a1==a2)print()print(a3)print(a4)print(a3==a4) 
参考博客：