TensorFlow with方法和tf.variable_scope聯合使用的原理

提示：如果您能安心的讀完下文，我相信您會對with用法又會有一個新的認識

---

實例代碼

with tf.variable_scope(get_name("abc")) as scope1:
	v2 = tf.get_variable('v2', shape=[4,9],initializer=tf.constant_initializer())
	with tf.variable_scope(get_name("efg")) as scope2:
	v3 = tf.get_variable('v3', shape=[4,9],initializer=tf.constant_initializer())

對於上述代碼僅僅是一個演示（想要運行是不可能的）

在這裏，我僅僅想說明的是關於with 和 tf.variable_scope聯合時 取出變量名字是如何定義的。

---

對於變量名v2的提取：其名稱應該爲：abc/v2
對於變量名v3的提取：其名稱應該爲：abc/efg/v3

---

得到的這個結果的原因是什麼呢？

其實，和with方法是有關係的

with方法，在我們看來僅僅是用於拋出異常的，但是它的這種操作也相當於進展出棧的過程

比如，我們定義了一個Session會話，變量在調用的過程就是一個進棧出棧的過程

當在調用變量v2的時候，我們首先會進入with的__enter__方法，這也就是進棧的過程

此時也就相當於是scope1進入棧中

當執行完變量名的定義後

我們會進入with的__exit__的方法，這也就是彈棧的過程

這樣獲取的變量名稱就是：abc/v2

對於變量v3，同樣的道理

scope1進棧，隨後scope2進棧，當獲取變量後，再執行彈棧操作，最終獲取到了變量的名稱爲：abc/efg/v3

---

依據目前的學習，我將with總結爲以下三種使用的工具

1. 拋出異常（常見）
2. 作用域（類似於本文的應用）
3. 線程鎖（類似於Lock的上鎖和解鎖）

---