Tesnsorflow命名空间与变量管理参数reuse

一.TensorFlow中变量管理reuse参数的使用

1.TensorFlow用于变量管理的函数主要有两个：

 (1)tf.get_variable：用于创建或获取变量的值

 (2)tf.variable_scope()：用于生成上下文管理器，创建命名空间，命名空间可以嵌套

2.函数tf.get_variable()既可以创建变量也可以获取变量。控制创建还是获取的开关来自函数tf.variable.scope()中的参数reuse为“True”还是"False"，分两种情况进行说明：

(1)设置reuse=False时，函数get_variable（）表示创建变量

with tf.variable_scope("foo"，reuse=False):
    v=tf.get_variable("v",[],initializer=tf.constant_initializer(1.0))

#在tf.variable_scope()函数中，设置reuse=False时，在其命名空间"foo"中执行函数get_variable（）时，表示创建变量"v"

(2)若在该命名空间中已经有了变量"v"，则在创建时会报错，如下面的例子

import tensorflow as tf

with tf.variable_scope("foo"):
    v=tf.get_variable("v",[],initializer=tf.constant_initializer(1.0))
    v1=tf.get_variable("v",[])

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input--eaed46cad84f> in <module>()
       with tf.variable_scope("foo"):
           v=tf.get_variable("v",[],initializer=tf.constant_initializer(1.0))
---->      v1=tf.get_variable("v",[])

ValueError: Variable foo/v already exists, disallowed.
Did you mean to set reuse=True or reuse=tf.AUTO_REUSE in VarScope? 

(3)设置reuse=True时，函数get_variable（）表示获取变量

import tensorflow as tf

with tf.variable_scope("foo"):
    v=tf.get_variable("v",[],initializer=tf.constant_initializer(1.0))

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

print(v1==v) 

运行结果为：
True

(4)在tf.variable_scope()函数中，设置reuse=True时，在其命名空间"foo"中执行函数get_variable()时，表示获取变量"v"。若在该命名空间中还没有该变量，则在获取时会报错，如下面的例子

import tensorflow as tf 

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

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input--019a05c4b9a4> in <module>()

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

ValueError: Variable foo/v does not exist, or was not created with tf.get_variable().
Did you mean to set reuse=tf.AUTO_REUSE in VarScope?

二.Tensorflow中命名空间与变量命名问题

1. tf.Variable：创建变量；自动检测命名冲突并且处理；

 import tensorflow as tf
 a1 = tf.Variable(tf.constant(1.0, shape=[]),name="a")
 a2 = tf.Variable(tf.constant(1.0, shape=[]),name="a")
 print(a1) #创建变量，命名为a
 print(a2)#自动检测命名冲突并且处理，命名为a_1
 print(a1==a2) 

运行结果：
<tf.Variable 'a:0' shape=(,) dtype=float32_ref>
<tf.Variable 'a_1:0' shape=(,) dtype=float32_ref>
False

2. tf.get_variable创建与获取变量；在没有设置命名空间reuse的情况下变量命名冲突时报错

import tensorflow as tf
a3 = tf.get_variable("a", shape=[], initializer=tf.constant_initializer(1.0))
a4 = tf.get_variable("a", shape=[], initializer=tf.constant_initializer(1.0))

运行结果：
ValueError: Variable a already exists, disallowed.
Did you mean to set reuse=True or reuse=tf.AUTO_REUSE in VarScope?

3.tf.name_scope没有reuse功能，tf.get_variable命名不受它影响，并且命名冲突时报错；tf.Variable命名受它影响

import tensorflow as tf
a = tf.Variable(tf.constant(1.0, shape=[1]),name="a")
with tf.name_scope('layer2'):
　　a1 = tf.Variable(tf.constant(1.0, shape=[1]),name="a")
　　a2 = tf.Variable(tf.constant(1.0, shape=[1]),name="a")
　　a3 = tf.get_variable("b", shape=[1], initializer=tf.constant_initializer(1.0))
　　# a4 = tf.get_variable("b", shape=[1], initializer=tf.constant_initializer(1.0)) 该句会报错
print(a)
print(a1)
print(a2)
print(a3)
print(a1==a2)

运行结果：

<tf.Variable 'a_2:0' shape=(1,) dtype=float32_ref>
<tf.Variable 'layer2_1/a:0' shape=(1,) dtype=float32_ref>
<tf.Variable 'layer2_1/a_1:0' shape=(1,) dtype=float32_ref>
<tf.Variable 'b:0' shape=(1,) dtype=float32_ref>
False

4.tf.variable_scope可以配tf.get_variable实现变量共享；reuse默认为None，有False/True/tf.AUTO_REUSE可选：

• 设置reuse = None/False时tf.get_variable创建新变量，变量存在则报错
• 设置reuse = True时tf.get_variable只获取已存在的变量，变量不存在时报错
• 设置reuse = tf.AUTO_REUSE时tf.get_variable在变量已存在则自动复用，不存在则创建(！！！我的tensorflow好像不能用，报错说找不到这个模块)

(1) reuse=True的例子：

import tensorflow as tf

with tf.variable_scope('layer1'):
    a3 = tf.get_variable("b", shape=[], initializer=tf.constant_initializer(1.0))

with tf.variable_scope('layer1',reuse=True):
    a1 = tf.Variable(tf.constant(1.0, shape=[]),name="a")
    a2 = tf.Variable(tf.constant(1.0, shape=[]),name="a")
    a4 = tf.get_variable("b", shape=[], initializer=tf.constant_initializer(1.0))
print(a1)
print(a2)
print(a1==a2)
print()
print(a3)
print(a4)
print(a3==a4)

运行结果：
<tf.Variable 'layer1_1/a:0' shape=(,) dtype=float32_ref>
<tf.Variable 'layer1_1/a_1:0' shape=(,) dtype=float32_ref>
False

<tf.Variable 'layer1/b:0' shape=(,) dtype=float32_ref>
<tf.Variable 'layer1/b:0' shape=(,) dtype=float32_ref>
True

(2) reuse=None/False的例子：

import tensorflow as tf

with tf.variable_scope('layer1'):
    a3 = tf.get_variable("b", shape=[], initializer=tf.constant_initializer(1.0))

with tf.variable_scope('layer1'): #reuse默认为None
    a1 = tf.Variable(tf.constant(1.0, shape=[]),name="a")
    a2 = tf.Variable(tf.constant(1.0, shape=[]),name="a")
    a4 = tf.get_variable("b", shape=[], initializer=tf.constant_initializer(1.0)) #a4创建新变量b(而b已经存在了，a3已经创建)，报错
print(a1)
print(a2)
print(a1==a2)
print()
print(a3)
print(a4)
print(a3==a4)

参考博客：

https://blog.csdn.net/johnboat/article/details/84846628

https://www.cnblogs.com/jfl-xx/p/9885662.html