Tensorflow 中scope重复利用Variable 或者 训练参数

前言：

        在Tensorflow中我们想共享变量的时候，需要在一个name_scope下，网络中的一些参数有时利用也是如此，尤其是在RNN中，接下来向大家举例！

代码如下：

#这里的每个变量都不一样，没有共享

with tf.name_scope("a_name_scope"):

    initializer = tf.constant_initializer(value=1)
    var1 = tf.get_variable(name='var1', shape=[1], dtype=tf.float32, initializer=initializer)
    var2 = tf.Variable(name='var2', initial_value=[2], dtype=tf.float32)
    var21 = tf.Variable(name='var2', initial_value=[2.1], dtype=tf.float32)

#这里的var3 重复利用，共享变量

with tf.variable_scope("a_variable_scope") as scope:
    initializer = tf.constant_initializer(value=3)
    var3 = tf.get_variable(name='var3', shape=[1], dtype=tf.float32, initializer=initializer)
    scope.reuse_variables()
    var3_reuse = tf.get_variable(name='var3',)

#这里RNN,重复利用训练的参数例子

with tf.variable_scope('rnn') as scope:

    sess = tf.Session()
    train  = RNN(train_config)
    scope.reuse_variables()
    test = RNN(test_config)
    sess.run(tf.global_variables_initializer())

欢迎大家学习交流！  ；）