TensorFlow基礎筆記(13) tf.name_scope tf.variable_scope學習

轉載http://blog.csdn.net/jerr__y/article/details/60877873

1. 首先看看比較簡單的 tf.name_scope(‘scope_name’).

tf.name_scope 主要結合 tf.Variable() 來使用，方便參數命名管理。

''' Signature: tf.name_scope(*args, **kwds) Docstring: Returns a context manager for use when defining a Python op. ''' # 也就是說，它的主要目的是為了更加方便地管理參數命名。 # 與 tf.Variable() 結合使用。簡化了命名 with tf.name_scope('conv1') as scope: weights1 = tf.Variable([1.0, 2.0], name='weights') bias1 = tf.Variable([0.3], name='bias') # 下面是在另外一個命名空間來定義變量的 with tf.name_scope('conv2') as scope: weights2 = tf.Variable([4.0, 2.0], name='weights') bias2 = tf.Variable([0.33], name='bias') # 所以，實際上weights1 和 weights2 這兩個引用名指向了不同的空間，不會沖突 print weights1.name print weights2.name

conv1/weights:0
conv2/weights:0

# 注意，這里的 with 和 python 中其他的 with 是不一樣的 # 執行完 with 里邊的語句之后，這個 conv1/ 和 conv2/ 空間還是在內存中的。這時候如果再次執行上面的代碼 # 就會再生成其他命名空間 with tf.name_scope('conv1') as scope: weights1 = tf.Variable([1.0, 2.0], name='weights') bias1 = tf.Variable([0.3], name='bias') with tf.name_scope('conv2') as scope: weights2 = tf.Variable([4.0, 2.0], name='weights') bias2 = tf.Variable([0.33], name='bias') print weights1.name print weights2.name

 

conv1_1/weights:0
conv2_1/weights:0

 

import tensorflow as tf

 

2.下面來看看 tf.variable_scope(‘scope_name’)

tf.variable_scope() 主要結合 tf.get_variable() 來使用，實現 變量共享。

# 這里是正確的打開方式~~~可以看出，name 參數才是對象的唯一標識 import tensorflow as tf with tf.variable_scope('v_scope') as scope1: Weights1 = tf.get_variable('Weights', shape=[2,3]) bias1 = tf.get_variable('bias', shape=[3]) # 下面來共享上面已經定義好的變量 # note: 在下面的 scope 中的變量必須已經定義過了，才能設置 reuse=True，否則會報錯 with tf.variable_scope('v_scope', reuse=True) as scope2: Weights2 = tf.get_variable('Weights') print Weights1.name print Weights2.name # 可以看到這兩個引用名稱指向的是同一個內存對象

v_scope/Weights:0
v_scope/Weights:0

也可以結合 tf.Variable() 一塊使用。

import tensorflow as tf # 注意， bias1 的定義方式 with tf.variable_scope('v_scope') as scope1: Weights1 = tf.get_variable('Weights', shape=[2,3]) # bias1 = tf.Variable([0.52], name='bias') # 下面來共享上面已經定義好的變量 # note: 在下面的 scope 中的get_variable()變量必須已經定義過了，才能設置 reuse=True，否則會報錯 with tf.variable_scope('v_scope', reuse=True) as scope2: Weights2 = tf.get_variable('Weights') bias2 = tf.Variable([0.52], name='bias') print Weights1.name print Weights2.name print bias2.name

v_scope/Weights:0
v_scope/Weights:0
v_scope_1/bias:0

如果 reuse=True 的scope中的變量沒有已經定義，會報錯！！

import tensorflow as tf # 注意， bias1 的定義方式 with tf.variable_scope('v_scope') as scope1: Weights1 = tf.get_variable('Weights', shape=[2,3]) bias1 = tf.Variable([0.52], name='bias') print Weights1.name print bias1.name # 下面來共享上面已經定義好的變量 # note: 在下面的 scope 中的get_variable()變量必須已經定義過了，才能設置 reuse=True，否則會報錯 with tf.variable_scope('v_scope', reuse=True) as scope2: Weights2 = tf.get_variable('Weights') bias2 = tf.get_variable('bias', [1]) # ‘bias print Weights2.name print bias2.name # 這樣子的話就會報錯 # Variable v_scope/bias does not exist, or was not created with tf.get_variable()

v_scope/Weights:0
v_scope/bias:0

本文代碼：https://github.com/yongyehuang/Tensorflow-Tutorial