Tensorflow学习（二） name_scope和variable_scope

tf.name_scope()创建名称作用域，可以影响tf.Variable和tf.Operation，主要用于对节点名称命名，方便Tensorboard记录和分类节点创建名称作用域，可以影响tf.Variable和tf.Operation

with tf.name_scope('foo') as foo_scope:
    a = tf.Variable(1, name='a')
    assert a.name == 'foo/a:0'
    with tf.name_scope('bar') as bar_scope:
        b = tf.Variable(2, name='b')
        c = a * b
        assert b.name == 'foo/bar/b:0'
        assert c.op.name == 'foo/bar/mul'

注：a.name是Tensor的name属性，name中‘：’后是Tensor的value_index属性，value_index表示该Tensor被产生它的操作的第几个输出，如

#value是一个[5, 30]的矩阵
split0, split1, split2 = tf.split(value, [4, 15, 11], 1)

则split0，split1，split2的value_index分别为0、1、2。

tf.variable_scope()用于创建变量作用域，可以通过tf.fet_variable()创建变量，tf.variable_scope()只影响由tf.get_variable()创建的变量，而不会影响tf.Variable()创建的变量，tf.get_variable()也可从内存中取出已有变量，tf.variable_scope()主要应用于需要大规模共享变量的场景，如RNN。tf.variable_scope().reuse默认为False，此时不可重复使用此变量域中的变量

with tf.variable_scope('var_scope', reuse=tf.AUTO_REUSE) as var_scope
    v1 = tf.get_variable('v', [1])
    v2 = tf.get_variable('v', [1])
    assert v1.name =='var_scope/v:0')
    assert v1 == v2
    #id(var)查询变量在内存中的位置，发现v1、v2一样，是因为v1、v2同时调用内存中同一变量
    print(id(v1), id(v2))