tf.name_scope()和tf.variable_scope()辨析

tf.name_scope()

在 Tensorflow 当中有两种途径生成变量 variable, 一种是 tf.get_variable(), 另一种是 tf.Variable(). 如果在 tf.name_scope() 的框架下使用这两种方式, 结果会如下：

import tensorflow as tfwith 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)var22 = tf.Variable(name='var2', initial_value=[2.2], dtype=tf.float32)with tf.Session() as sess:sess.run(tf.initialize_all_variables())print(var1.name)        # var1:0print(sess.run(var1))   # [ 1.]print(var2.name)        # a_name_scope/var2:0print(sess.run(var2))   # [ 2.]print(var21.name)       # a_name_scope/var2_1:0print(sess.run(var21))  # [ 2.0999999]print(var22.name)       # a_name_scope/var2_2:0print(sess.run(var22))  # [ 2.20000005]

可以看出使用 tf.Variable() 定义的时候, 虽然 name 都一样, 但是为了不重复变量名, Tensorflow 输出的变量名并不是一样的. 所以, 本质上 var2, var21, var22 并不是一样的变量. 而另一方面, 使用tf.get_variable()定义的变量不会被tf.name_scope()当中的名字所影响。

tf.variable_scope() 

在 Tensorflow 当中有两种途径生成变量 variable, 一种是 tf.get_variable(), 另一种是 tf.Variable(). 如果在 tf.name_scope() 的框架下使用这两种方式, 结果会如下：

import tensorflow as tfwith 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)var22 = tf.Variable(name='var2', initial_value=[2.2], dtype=tf.float32)with tf.Session() as sess:sess.run(tf.initialize_all_variables())print(var1.name)        # var1:0print(sess.run(var1))   # [ 1.]print(var2.name)        # a_name_scope/var2:0print(sess.run(var2))   # [ 2.]print(var21.name)       # a_name_scope/var2_1:0print(sess.run(var21))  # [ 2.0999999]print(var22.name)       # a_name_scope/var2_2:0print(sess.run(var22))  # [ 2.20000005]

可以看出使用 tf.Variable() 定义的时候, 虽然 name 都一样, 但是为了不重复变量名, Tensorflow 输出的变量名并不是一样的. 所以, 本质上 var2, var21, var22 并不是一样的变量. 而另一方面, 使用tf.get_variable()定义的变量不会被tf.name_scope()当中的名字所影响。