tf.get_variable()

tf.get_variable()通常和tf.variable_scope()一起使用，可用来共享变量

• tf.get_variable(name, shape, initializer): 通过所给的名字创建或是返回一个变量.
• tf.variable_scope(): 通过 tf.get_variable()为变量名指定命名空间.

函数tf.get_variable() 用来获取或创建一个变量，不同于tf.Variable那样直接传值，tf.get_variable()用initializer来创建变量。一个initializer 就是一个函数，创建一个形状是shape的张量。TensorFlow中使用的initializer有以下几种 ：

• tf.constant_initializer(value) 用value初始化所有的值。initializes everything to the provided value,
• tf.random_uniform_initializer(a, b) 从a到b均匀初始化,
• tf.random_normal_initializer(mean, stddev) 用所给平均值和标准差初始化均匀分布

v = tf.get_variable(name, shape, dtype, initializer)

情况1:当tf.get_variable_scope().reuse == False时，作用域就是为创建新变量所设置的。
这种情况下，v将通过tf.Variable所提供的形状和数据类型来重新创建。创建变量的全称将会由当前变量作用域名+所提供的名字所组成,并且还会检查来确保没有任何变量使用这个全称。如果这个全称已经有一个变量使用了，那么方法将会抛出ValueError错误。如果一个变量被创建,用initializer(shape)进行初始化。比如：

with tf.variable_scope("foo"):
    v = tf.get_variable("v", [1])
assert v.name == "foo/v:0"

情况2：当tf.get_variable_scope().reuse == True时，作用域是为重用变量所设置的。
这种情况下，调用就会搜索一个已经存在的变量，变量的全称和当前变量的作用域名+所提供的名字是否相等。如果不存在相应的变量，就会抛出ValueError 错误。如果变量找到了，就返回这个变量。如下：

with tf.variable_scope("foo"):
    v = tf.get_variable("v", [1])
with tf.variable_scope("foo", reuse=True):
    v1 = tf.get_variable("v", [1])
assert v1 == v