Tensorflow函數——tf.variable_scope（）

tf.variable_scope(name_or_scope,default_name=None,values=None,initializer=None,regularizer=None,caching_device=None,partitioner=None,custom_getter=None,reuse=None,dtype=None)

返回一個用於定義創建variable（層）的op的上下文管理器。

該上下文管理器驗證（可選）值來自同一圖形，確保圖形是默認圖形，並推送名稱范圍和variable范圍。

如果name_or_scope不為None，則按原樣使用。 如果范圍為None，則使用default_name。 在這種情況下，如果以前在同一個范圍內使用了相同的名稱，那么它將會被唯一的附加到_N。

可變范圍允許創建新的variable並分享已創建的variable，同時提供檢查，不會意外創建或共享。 有關詳細信息，請參閱可變范圍如何操作，這里我們僅提供幾個基本示例。

如何創建新variable的簡單示例：

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

共享variable的基本示例：

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

通過捕獲范圍並設置重用來共享variable：

with tf.variable_scope("foo") as scope: v = tf.get_variable("v", [1]) scope.reuse_variables() v1 = tf.get_variable("v", [1]) assert v1 == v

為了防止意外共享variable，當在非重用范圍內獲取現有variable時，我們引發異常。

with tf.variable_scope("foo"): v = tf.get_variable("v", [1]) v1 = tf.get_variable("v", [1]) # Raises ValueError("... v already exists ...").

同樣，當嘗試獲取在重用模式下不存在的variable時，我們引發異常。

with tf.variable_scope("foo", reuse=True): v = tf.get_variable("v", [1]) # Raises ValueError("... v does not exists ...").

請注意，重用標志是繼承的：如果我們打開一個重用的范圍，那么它的所有子范圍也會變得重用。

ARGS：

name_or_scope：string或VariableScope：要打開的范圍。 default_name：如果name_or_scope參數為None，則將使用默認名稱，此名稱將被唯一。 如果提供了name_or_scope，它將不會被使用，因此它不是必需的，可以是None。 值：傳遞給op函數的Tensor參數列表。 初始化器：此范圍內的變量的默認初始化程序。 regularizer：此范圍內的變量的默認正則符。 caching_device：此范圍內的變量的默認緩存設備。 partitioner：此范圍內變量的默認分區。 custom_getter：此范圍內變量的默認定制getter。 重用：True或None 如果是，我們進入該范圍以及所有子范圍的重用模式; 如果沒有，我們只是繼承父范圍重用。 dtype：在此范圍中創建的變量類型（默認為傳遞范圍中的類型，或從父范圍繼承）