TensorFlow with方法和tf.variable_scope联合使用的原理

提示：如果您能安心的读完下文，我相信您会对with用法又会有一个新的认识

---

实例代码

with tf.variable_scope(get_name("abc")) as scope1:
	v2 = tf.get_variable('v2', shape=[4,9],initializer=tf.constant_initializer())
	with tf.variable_scope(get_name("efg")) as scope2:
	v3 = tf.get_variable('v3', shape=[4,9],initializer=tf.constant_initializer())

对于上述代码仅仅是一个演示（想要运行是不可能的）

在这里，我仅仅想说明的是关于with 和 tf.variable_scope联合时 取出变量名字是如何定义的。

---

对于变量名v2的提取：其名称应该为：abc/v2
对于变量名v3的提取：其名称应该为：abc/efg/v3

---

得到的这个结果的原因是什么呢？

其实，和with方法是有关系的

with方法，在我们看来仅仅是用于抛出异常的，但是它的这种操作也相当于进展出栈的过程

比如，我们定义了一个Session会话，变量在调用的过程就是一个进栈出栈的过程

当在调用变量v2的时候，我们首先会进入with的__enter__方法，这也就是进栈的过程

此时也就相当于是scope1进入栈中

当执行完变量名的定义后

我们会进入with的__exit__的方法，这也就是弹栈的过程

这样获取的变量名称就是：abc/v2

对于变量v3，同样的道理

scope1进栈，随后scope2进栈，当获取变量后，再执行弹栈操作，最终获取到了变量的名称为：abc/efg/v3

---

依据目前的学习，我将with总结为以下三种使用的工具

1. 抛出异常（常见）
2. 作用域（类似于本文的应用）
3. 线程锁（类似于Lock的上锁和解锁）

---