tf中的命名空间
最近在模型的搭建中遇到tf中变量的共享空间相干问题，故记之。
出于变量共享与传递的思考，TensorFlow中引入了变量(或者叫 域）命名空间的机制。
此测试环境在TensorFlow1.X下：import tensorflow as tf
- name scope：通过调用tf.name_scope产生
- variable scope：通过调用tf.variable_scope产生
在命名空间中创立变量有以下两种形式：
- tf.Variable：每次调用此函数的时候都会创立一个新的变量，如果该变量名称已存在，则会在该变量名称后增加一个后缀。
- tf.get_variable：以该名称创立新变量，若已存在，则检索该名称的变量并获取其援用。
实例一
Script：
with tf.variable_scope("embeddin") as embedding_scope: testing2 = tf.Variable(tf.random_uniform((7, 10), -1.0, 1.0), name='testing2') testing3 = tf.get_variable(name='testing3', shape=[7, 10],initializer=tf.constant_initializer(1)) with tf.name_scope("optimization"): testing = tf.Variable(tf.random_uniform((7, 10), -1.0, 1.0), name='testing') testing1 = tf.get_variable(name='testing1', shape=[7, 10],initializer=tf.constant_initializer(1))Output of variable：
>>> testing2<tf.Variable 'embeddin/testing2:0' shape=(7, 10) dtype=float32_ref>>>> testing3<tf.Variable 'embeddin/testing3:0' shape=(7, 10) dtype=float32_ref>>>> testing<tf.Variable 'optimization/testing:0' shape=(7, 10) dtype=float32_ref>>>> testing1<tf.Variable 'testing1:0' shape=(7, 10) dtype=float32_ref>实例一阐明在tf.name_scope中调用tf.get_variable产生的变量在调用上是不受域空间的限度的，也就是为全局变量；其余状况皆为作用域变量。
实例二
Script：
1.将实例一当中的testing3改为testing2
testing3 = tf.get_variable(name='testing2', shape=[7, 10],initializer=tf.constant_initializer(1))2.将实例一当中的testing1改为testing
testing1 = tf.get_variable(name='testing', shape=[7, 10],initializer=tf.constant_initializer(1))Output of variable：
>>> testing2<tf.Variable 'embeddin/testing2:0' shape=(7, 10) dtype=float32_ref>>>> testing3<tf.Variable 'embeddin/testing2_1:0' shape=(7, 10) dtype=float32_ref>>>> testing<tf.Variable 'optimization/testing:0' shape=(7, 10) dtype=float32_ref>>>> testing1<tf.Variable 'testing:0' shape=(7, 10) dtype=float32_ref>实例二论断：
- 前两个output阐明如果想在TensorFlow中想通过
tf.get_variable获取一个变量的援用，以上形式行不通的(详见实例三)。而是会创立一个以($var_name)_1 命名的该变量的正本。 - 后两个output再一次验证了实例一中的论断：即就是创立出以该名称命名的一个全局变量和一个作用域变量。
实例三
Script:
with tf.variable_scope("embeddin",reuse=True) as embedding_scope: testing2 = tf.Variable(tf.random_uniform((7, 10), -1.0, 1.0), name='testing2') testing3 = tf.get_variable(name='testing2', shape=[7, 10],initializer=tf.constant_initializer(1))Output of variable：
ValueError: Variable embeddin/testing2 does not exist, or was not created with tf.get_variable(). Did you mean to set reuse=tf.AUTO_REUSE in VarScope?此谬误阐明了tf.Variable创立的变量不能被share，而tf.get_variable()却能够。
以上！大家如果感觉有用的话，反对一下哦~