[tensorflow] placeholder、 Variable、Tensor的 reuse、get_by_name问题以及不同

博客介绍了通过在名称后添加“/”强制重用范围的方法，但此方法不一定能解决问题。还提到变量调用和占位符使用的情况，指出可在特定范围外定义占位符。此外，讲解了使用tensor表示数据，构建图时创建源op，如tf.placeholder，以及调用添加操作到graph，体现了tensor和Variable的不同。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

https://cloud.tencent.com/developer/ask/142809/answer/250540

你可以通过在名称后添加“/”来强制重用范围，即： tf.variable_scope("foo/", reuse=True):

但是，这不会解决你的问题。

在变量的情况下，调用tf.Variable将始终创建一个新变量，而调用tf.get_variable将重用它

但是对于占位符，没有tf.get_placeholder(原作者相对于“tf.get_variable”而言)。

你可以做的是在foo之外，唯一次地定义你的占位符，并使用tf.get_default_graph().get_tensor_by_name(name)或直接使用python变量来获取它们。

import tensorflow as tf
with tf.name_scope("scope"):
    tf.placeholder(tf.float32,name="a")
    tf.placeholder(tf.float32,name="b")
    print(a)
    print(b)

def foo():
    a = tf.get_default_graph().get_tensor_by_name("scope/a:0")
    b = tf.get_default_graph().get_tensor_by_name("scope/b:0")

    return a,b

a,b = foo()

print(a)
print(b)

“”“”“”“”“”“”“”“”“”“”“”“

Tensor("scope/a:0", dtype=float32)
Tensor("scope/b:0", dtype=float32)
Tensor("scope/a:0", dtype=float32)
Tensor("scope/b:0", dtype=float32)

”“”“”“”“”“”“”“”“”“”“”“”“

错误

def foo():
    with tf.variable_scope("foo", reuse=True):
        a = tf.placeholder(tf.float32,name="a")
        b = tf.placeholder(tf.float32,name="b")
    return a,b

with tf.Graph().as_default():
    a,b  = foo()
    print(a) # gives variable name 'foo/a'
    print(b) # gives variable name 'foo/b'
    c, d = foo()
    print(c)
    print(d)

“”“
Tensor("foo/a:0", dtype=float32)
Tensor("foo/b:0", dtype=float32)
Tensor("foo_1/a:0", dtype=float32)
Tensor("foo_1/b:0", dtype=float32)

“”“

def foo2():
“”“
其实不是在这里定义reuse=True，就说明这些是可以reuse的
见官方api示例 https://tensorflow.google.cn/versions/r1.10/api_docs/python/tf/variable_scope#__init__
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
第一次定义变量，并没有reuse=True，是在需要reuse的地方加
”“”
    with tf.variable_scope("foo2", reuse=True):
        a = tf.placeholder(tf.float32,name="a",shape=[1])
        b = tf.placeholder(tf.float32,name="b", shape=[1])
    return a, b

a, b = foo2()
print(a) #Tensor("foo2/a:0", shape=(1,), dtype=float32)
print(b) #Tensor("foo2/b:0", shape=(1,), dtype=float32)
c, d = foo2()
print(c) #Tensor("foo2_1/a:0", shape=(1,), dtype=float32)
print(d) #Tensor("foo2_1/b:0", shape=(1,), dtype=float32)

def foo3():
“”“
reuse=True报错
“ValueError: Variable foo2/a does not exist, or was not created with tf.get_variable(). Did you mean to set reuse=tf.AUTO_REUSE in VarScope?
”
原因同上，第一次定义时，并不存在该变量，get_variable和reuse矛盾
def foo4():
    with tf.variable_scope("foo2", reuse=True):
        a = tf.Variable([1], name='a')
    return a
a1 = foo4()
print(a1) 
<tf.Variable 'foo4/a:0' shape=(1,) dtype=int32_ref> 这样ok
”“”
    with tf.variable_scope("foo2", reuse=tf.AUTO_REUSE):
        a = tf.get_variable("a", [1])
    return a

a1 = foo3()
print(a1) # <tf.Variable 'foo2/a_1:0' shape=(1,) dtype=float32_ref>

a2 = tf.get_default_graph().get_tensor_by_name("foo2/a:0")
print(a2) #Tensor("foo2/a:0", shape=(1,), dtype=float32)
a3 = tf.get_default_graph().get_tensor_by_name('foo2/a_1:0')
print(a3) #Tensor("foo2/a_1:0", shape=(1,), dtype=float32_ref)
state = tf.Variable(0, name="counter")
print(state) #<tf.Variable 'counter:0' shape=() dtype=int32_ref>
e = tf.constant([1], name='e')
print(e) #Tensor("e:0", shape=(1,), dtype=int32)
f = tf.Variable(e, name='f')
print(f) #<tf.Variable 'f:0' shape=(1,) dtype=int32_ref>
g = tf.Variable(e, name='g', dtype=tf.int32)
print(g) #<tf.Variable 'g:0' shape=(1,) dtype=int32_ref>
“”“
Tensor("foo2/a:0", shape=(1,), dtype=float32)
Tensor("foo2/b:0", shape=(1,), dtype=float32)
Tensor("foo2_1/a:0", shape=(1,), dtype=float32)
Tensor("foo2_1/b:0", shape=(1,), dtype=float32)
# 类型为ref reference
<tf.Variable 'foo2/a_1:0' shape=(1,) dtype=float32_ref>
Tensor("foo2/a:0", shape=(1,), dtype=float32)
Tensor("foo2/a_1:0", shape=(1,), dtype=float32_ref)
<tf.Variable 'counter:0' shape=() dtype=int32_ref>
Tensor("e:0", shape=(1,), dtype=int32)
<tf.Variable 'f:0' shape=(1,) dtype=int32_ref>
<tf.Variable 'g:0' shape=(1,) dtype=int32_ref>
”“”

http://www.tensorfly.cn/tfdoc/get_started/basic_usage.html