轉載自： https://blog.csdn.net/qq_41058594/article/details/85165025
在學習Tensorflow進階實例這本書時候出現了tf.variable_scope,當時很蒙圈，現在就來總結一下：
tf.variable_scope函數
variable_scope類
用於定義創建變量（層）的操作的上下文管理器。
此上下文管理器驗證（可選）values是否來自同一圖形，確保圖形是默認的圖形，並推送名稱範圍和變量範圍。
如果name_or_scope不是None，則使用as is。如果scope是None，則使用default_name。在這種情況下，如果以前在同一範圍內使用過相同的名稱，則通過添加_N來使其具有唯一性。
變量範圍允許您創建新變量並共享已創建的變量，同時提供檢查以防止意外創建或共享。在本文中我們提供了幾個基本示例。
示例1-如何創建一個新變量：
with tf.variable_scope("foo"):
with tf.variable_scope("bar"):
v = tf.get_variable("v", [1])
assert v.name == "foo/bar/v:0"
示例2-共享變量AUTO_REUSE：
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
示例3-使用reuse=True共享變量：
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
示例4-通過捕獲範圍並設置重用來共享變量：
with tf.variable_scope("foo") as scope:
v = tf.get_variable("v", [1])
scope.reuse_variables()
v1 = tf.get_variable("v", [1])
assert v1 == v
爲了防止意外共享變量，我們在獲取非重用範圍中的現有變量時引發異常。
with tf.variable_scope("foo"):
v = tf.get_variable("v", [1])
v1 = tf.get_variable("v", [1])
# Raises ValueError("... v already exists ...")
同樣，我們在嘗試獲取重用模式中不存在的變量時引發異常。
with tf.variable_scope("foo", reuse=True):
v = tf.get_variable("v", [1])
# Raises ValueError("... v does not exists ...")
請注意，reuse（重用）標誌是有繼承性的：如果我們打開一個重用範圍，那麼它的所有子範圍也會重用。
關於名稱範圍的說明：設置reuse不會影響其他操作（如多重）的命名。
請注意，1.0版本開始（包含）允許（雖然明確勸阻）將False傳遞給重用參數，從而產生與None無關的未記錄行爲。從1.1.0版本開始傳遞None和False作爲重用具有完全相同的效果。
方法
init
__init__(
name_or_scope,
default_name=None,
values=None,
initializer=None,
regularizer=None,
caching_device=None,
partitioner=None,
custom_getter=None,
reuse=None,
dtype=None,
use_resource=None,
constraint=None,
auxiliary_name_scope=True
)
用於初始化上下文管理器。
參數：
- name_or_scope：string或者VariableScope表示打開的範圍。
- default_name：如果name_or_scope參數爲None，則使用默認的名稱，該名稱將是唯一的；如果提供了name_or_scope，它將不會被使用，因此它不是必需的，並且可以是None。
- values：傳遞給操作函數的Tensor參數列表。
- initializer：此範圍內變量的默認初始值設定項。
- regularizer：此範圍內變量的默認正規化器。
- caching_device：此範圍內變量的默認緩存設備。
- partitioner：此範圍內變量的默認分區程序。
- custom_getter：此範圍內的變量的默認自定義吸氣。
- reuse：可以是True、None或tf.AUTO_REUSE；如果是True，則我們進入此範圍的重用模式以及所有子範圍；如果是tf.AUTO_REUSE，則我們創建變量（如果它們不存在），否則返回它們；如果是None，則我們繼承父範圍的重用標誌。當啓用緊急執行時，該參數總是被強制爲tf.AUTO_REUSE。
dtype：在此範圍中創建的變量類型（默認爲傳入範圍中的類型，或從父範圍繼承）。 - use_resource：如果爲false，則所有變量都將是常規變量；如果爲true，則將使用具有明確定義的語義的實驗性
ResourceVariables。默認爲false（稍後將更改爲true）。當啓用緊急執行時，該參數總是被強制爲true。 - constraint：一個可選的投影函數，在被Optimizer（例如用於實現層權重的範數約束或值約束）更新之後應用於該變量。該函數必須將代表變量值的未投影張量作爲輸入，並返回投影值的張量（它必須具有相同的形狀）。進行異步分佈式培訓時，約束條件的使用是不安全的。
- auxiliary_name_scope：如果爲True，則我們用範圍創建一個輔助名稱範圍；如果爲False，則我們不接觸名稱範圍。
返回值：
返回可以捕獲和重用的範圍。
可能引發的異常：
- ValueError：在創建範圍內嘗試重用時，或在重用範圍內創建時。
- TypeError：某些參數的類型不合適時。