Tensorflow学习记录8 scope
"""
命名方式
What's name_scope?
What's variable_scope?
基本上都是把变量的名字动一下手脚
"""
import tensorflow as tf
# # ############## name_scope #######################################################################
#
# # 创建一个name_scope，这个name_scope的名字是“a_name_scope”
# with tf.name_scope("a_name_scope") as scope:
# # 定义初始化方式,为一个恒定不变的量，常量1
# initializer = tf.constant_initializer(value=1)
# # ##########创建变量的两种方式##############
#
# # var1的初始化方式给出
# # name_scope对get_variable这种变量创建方式的命名无效
# var1 = tf.get_variable(name='var1', shape=[1], dtype=tf.float32, initializer=initializer)
#
# # name_scope有效，会在它的name前面加上“a_name_scope/”,
# # 在“a_name_scope”中创建的变量都会到“a_name_scope/”目录下
# var2 = tf.Variable(name='var2', initial_value=[2], dtype=tf.float32)
# # 在name_scope下，如果两个变量同名，那么框架会在同名变量后加序号“name_i”，不会覆盖
# var21 = tf.Variable(name='var2', initial_value=[2.1], dtype=tf.float32)
# var22 = tf.Variable(name='var2', initial_value=[2.2], dtype=tf.float32)
#
# # ##########创建变量的两种方式##############
#
# with tf.Session() as sess:
# sess.run(tf.global_variables_initializer())
# print(var1.name) # 输出为：var1:0
# print(sess.run(var1)) # 输出为：[1.]
# print(var2.name) # 输出为：a_name_scope/var2:0
# print(sess.run(var2)) # 输出为：[2.]
# print(var21.name) # 输出为：a_name_scope/var2_1:0
# print(sess.run(var21)) # 输出为：[2.1]
# print(var22.name)
# print(sess.run(var22))
#
# # ############## name_scope #######################################################################
# ############## variable_scope #######################################################################
# 创建一个variable_scope，这个variable_scope的名字是“a_variable_scope”
with tf.variable_scope("a_variable_scope") as scope:
initializer = tf.constant_initializer(value=3)
# variable_scope对get_variable有效
var3 = tf.get_variable(name='var3', shape=[1], dtype=tf.float32, initializer=initializer)
scope.reuse_variables() # 强调框架，以下变量将重复利用
var3_reuse = tf.get_variable(name='var3')
# variable_scope有效，会在它的name前面加上“a_variable_scope/”,
# 在“a_variable_scope”中创建的变量都会到“a_variable_scope/”目录下
var4 = tf.Variable(name='var4', initial_value=[4], dtype=tf.float32)
# 使用Variable, 不会覆盖
var4_reuse = tf.Variable(name='var2', initial_value=[2.1], dtype=tf.float32)
# ##########创建变量的两种方式##############
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
print(var3.name)
print(sess.run(var3))
print(var3_reuse.name) # 虽然打印了两个a_variable_scope/var3:0，但是其实是同一个变量
print(sess.run(var3_reuse))
print(var4.name)
print(sess.run(var4))
print(var4_reuse.name)
print(sess.run(var4_reuse))
# ############## variable_scope #######################################################################
variable_scope运行结果：
name_scope运行结果：
