Tensorflow - tf.variable_scope，GAN 的重用参数

Question

我正在尝试为一个项目构建一个 GAN，我真的很想了解 tensorflow 的变量范围中的变量共享是如何工作的。

为了构建 GAN，我有一个生成器网络和两个鉴别器网络:一个鉴别器接受真实图像，而一个鉴别器接受由生成器创建的假图像。重要的是，输入真实图像的鉴别器和输入假图像的鉴别器需要共享相同的权重。为了做到这一点，我需要共享权重。

我有一个鉴别器和生成器定义，可以说:

def discriminator(images, reuse=False):
    with variable_scope("discriminator", reuse=reuse):

        #.... layer definitions, not important here
        #....
        logits = tf.layers.dense(X, 1)
        logits = tf.identity(logits, name="logits")
        out = tf.sigmoid(logits, name="out")
        # 14x14x64
    return logits, out

def generator(input_z, reuse=False):
    with variable_scope("generator", reuse=reuse):

        #.. not so important 
        out = tf.tanh(logits)

    return out

现在生成器和鉴别器函数被调用:

g_model = generator(input_z)
d_model_real, d_logits_real = discriminator(input_real)

#Here , reuse=True should produce the weight sharing between d_model_real, d_logits_real
#and d_model_fake and d_logits_fake.. why?
d_model_fake, d_logits_fake = discriminator(g_model, reuse=True)

为什么第二次调用中的reuse=True语句会产生权重共享？据我了解，您需要决定在第一次调用中重用变量，以便您可以在程序稍后的某个地方使用它们。

如果有人可以向我解释这一点，我会非常高兴，我没有找到这个主题的良好来源，而且对我来说这似乎非常令人困惑和复杂。谢谢!

Answer 1

在底层，变量是使用tf.get_variable()创建的。

该函数将在变量名前加上作用域前缀，并在创建新变量之前检查它是否存在。

例如，如果您在 "fc" 范围内并调用 tf.get_variable("w", [10,10])，则变量名称将为“fc/w:0”。

现在，当您第二次执行此操作时，如果reuse=True，范围将再次为"fc"，并且 get_variable 将重用变量"fc/w:0".

但是如果reuse=False，你会得到一个错误，因为变量"fc/w:0"已经存在，提示你使用不同的名称或者使用reuse=True。

示例:

In [1]: import tensorflow as tf

In [2]: with tf.variable_scope("fc"):
   ...:      v = tf.get_variable("w", [10,10])
   ...:

In [3]: v
Out[3]: <tf.Variable 'fc/w:0' shape=(10, 10) dtype=float32_ref>

In [4]: with tf.variable_scope("fc"):
   ...:      v = tf.get_variable("w", [10,10])
   ...:
ValueError: Variable fc/w already exists, disallowed. Did you mean to set reuse=True or reuse=tf.AUTO_REUSE in VarScope?

In [5]: with tf.variable_scope("fc", reuse=True):
   ...:      v = tf.get_variable("w", [10,10])
   ...:

In [6]: v
Out[6]: <tf.Variable 'fc/w:0' shape=(10, 10) dtype=float32_ref>

请注意，您可以仅实例化一个鉴别器，而不是共享权重。然后，您可以决定向其提供真实数据或使用 placeholder_with_default 生成的数据。