tensorflow的命名域问题：tf.Variable与tf.get_variable

写在前面

tensorflow的命名问题断断续续接触了又忘记，干脆写一篇博来记录一下好啦。其实极客学院里面也回答的挺清楚的了：极客学院：共享变量， 但它考虑了更多种情况，自己还是想以更简单的方式去记忆。

tf.Variable：创建变量

这个是最简单粗暴的创建变量方式，如果不停地调用它，是会产生不同的变量的。举个更简单的例子：

import tensorflow as tf
#tf.Variable创建变量
def geta():
    a = tf.Variable([1],name='a')
    return a
a = geta() # 得到<tf.Variable 'a:0' shape=(1,) dtype=int32_ref>
a1 = geta() # 得到与a不同的变量：<tf.Variable 'a_1:0' shape=(1,) dtype=int32_ref>

调用geta()，会得到 <tf.Variable ‘a:0’ shape=(1,) dtype=int32_ref>，再调用geta()，则得到<tf.Variable ‘a_1:0’ shape=(1,) dtype=int32_ref>。可以看到此时两次调用得到两个不同的变量。

但在实际中，我们很可能需要多次调用而使用同一个变量，比如极客学院中提到的，我们可能需要定义一个图片的滤波器函数，然后对不同图片使用同一个滤波器，这时候就需要所谓的共享变量，可以用到下面的tf.get_variable大招啦。

tf.get_variable： 创建或获取变量

一般与tf.variable_scope搭配使用。

reuse=True?False？

首先先说说reuse，每次跑别人tensorflow代码debug时总是会弹出来令我头疼的：
ValueError: Variable xxx already exists, disallowed. Did you mean to set reuse=True or reuse=tf.AUTO_REUSE in VarScope?

其实reuse说简单也很简单，一句话就是：如果你想用get_variable创建变量，你就用reuse=False；如果想用get_variable获取变量，就用reuse=True。 反过来会有问题，比如如果该变量还没有创建就用reuse=True，get_variable会告诉你它找不到这个变量；如果该变量已经创建过了还用reuse=False，get_variable就会弹出上面那一串ValueError，告诉你变量已经存在了。没错，它就是这么挑剔，所以一定要选对它的值。

示例1：

def geta():
    with tf.variable_scope('A',reuse=False):
        a = tf.get_variable('a',[1])
    return a
a = geta() # <tf.Variable 'A/a:0' shape=(1,) dtype=float32_ref>
a1 = geta() # 会报错

此时a为<tf.Variable ‘A/a:0’ shape=(1,) dtype=float32_ref>，创建成功。但再次调用geta()的时候就会报出上面的ValueError错误，因为不能重用。

示例2：

def geta():
    with tf.variable_scope('AA',reuse=True):
        a = tf.get_variable('a',[1])
    return a
a = geta() # 会报错

此时调用geta()会报错（注意此时scope的域我改为了AA，而不是A了，所以属于一个新的域，我们还没往这个域里面定义变量）：Variable AA/a does not exist, or was not created with tf.get_variable(). Did you mean to set reuse=tf.AUTO_REUSE in VarScope? 因为我们还没有创建过这个变量。

想先创建，后获取？

于是问题来了：如果我想定义一个函数，第一次调用的时候创建，第二次调用的时候获取，怎么办？

方法一：极客学院：共享变量中提到的，用scope.reuse_variables()解决。即在另一个域里面先调用一次函数，然后用scope.reuse_variables()设置为重用，再调用一次函数：

def getb():
    with tf.variable_scope('B'):
        b = tf.get_variable('b',[1])
    return b

with tf.variable_scope('main_scope') as scope:
    b1 = getb()
    scope.reuse_variables()
    b2 = getb()
assert b1==b2 #不会报错，两个都是<tf.Variable 'main_scope/B/b:0' shape=(1,) dtype=float32_ref>

此时b1和b2都是<tf.Variable ‘main_scope/B/b:0’ shape=(1,) dtype=float32_ref>。

方法二：但其实我自己更喜欢这种方法，因为无需再多定义一个scope。即只需要在函数中多加一个reuse的标志，第一次调用的时候设置reuse为None或False，第二次调用的时候设置为True即可。

def getc(reuse=None):
    with tf.variable_scope('C',reuse=reuse):
        c = tf.get_variable('c',[1])
    return c
c1=getc()
c2=getc(True)
assert c1==c2 # 不会报错，两者都是<tf.Variable 'C/c:0' shape=(1,) dtype=float32_ref>

此时c1和c2都是<tf.Variable ‘C/c:0’ shape=(1,) dtype=float32_ref>。

END

目前关于变量域的先学习到这么多，如果在之后的使用中还有遇到什么经验，再来更新~