tensorflow tf.Variable、tf.get_variable机制

这里涉及到了两个概念，一个是tf.variable_scope一个是tensorflow中变量的名字。

tensorflow中变量是有名字的，就像是我们用tensorboard绘制graph的时候，每个节点都有名字一样。即使没有手动赋予的变量也会有默认的名字。这个名字可以用变量的name方法来获得，或者是直接打印这个结点，就会显示其名字。

>>> a = tf.constant(1)
>>> a.name
'Const:0'

>>> a = tf.get_variable('v',[1],initializer=tf.constant_initializer(1.0))
>>> a
<tf.Variable 'v:0' shape=(1,) dtype=float32_ref>

>>> a = tf.Variable(tf.constant(1.0,shape=[1]))
>>> a
<tf.Variable 'Variable_1:0' shape=(1,) dtype=float32_ref>

不同scope可以使用相同的名字

而tf.variable_scope和tf.name_scope，就是给出互不影响的名字的范围。比如说在两个tf.variable_scope中，我们可以有两个相同名字的变量。在下面例子中，两个变量都叫Variable:0。当然，能够区分它们的原因也很简单，因为他们名字前加上了variable_scope的名称。

>>> with tf.variable_scope('V1'):
...     a = tf.Variable(tf.constant(1.0,shape=[1]))
...
>>> a
<tf.Variable 'V1_1/Variable:0' shape=(1,) dtype=float32_ref>
>>> with tf.variable_scope('V2'):
...     b = tf.Variable(tf.constant(1.0,shape=[1]))
..