tf.variable_scope()用法详解

最新推荐文章于 2025-07-01 11:38:34 发布

千千Sama

最新推荐文章于 2025-07-01 11:38:34 发布

阅读量6k

点赞数

CC 4.0 BY-SA版权

分类专栏： tensorflow 文章标签： tensorflow

本文链接：https://blog.youkuaiyun.com/lllxxq141592654/article/details/88558269

tensorflow 专栏收录该内容

15 篇文章

订阅专栏

本文深入探讨了TensorFlow中变量作用域的概念，演示了如何使用tf.variable_scope创建新变量，以及如何通过tf.AUTO_REUSE和reuse=True选项实现变量的复用，确保了变量在不同作用域下的唯一性和共享。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

https://www.tensorflow.org/api_docs/python/tf/variable_scope?hl=en
在这里插入图片描述
本质是一个上下文管理器。

创建新变量

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

通过tf.AUTO_REUSE分享变量

def foo():
  with tf.variable_scope("foo", reuse=tf.AUTO_REUSE):
    v = tf.get_variable("v", [1])
  return v

v1 = foo()  # Creates v.
v2 = foo()  # Gets the same, existing v.
assert v1 == v2

通过reuse=True分享变量

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