Tensorflow:tf.get_variable 如何工作？

Question

我读过 tf.get_variable从这里 question以及 tensorflow 网站上提供的文档中的一些内容。但是，我仍然不清楚，无法在网上找到答案。
怎么样tf.get_variable工作？例如:

var1 = tf.Variable(3.,dtype=float64)
var2 = tf.get_variable("var1",[],dtype=tf.float64)

是否意味着 var2 是 另一个 初始化类似于 的变量var1 ?或者是 var2 的别名var1 (我试过了，似乎没有)？
怎么样 var1 和 var2 有关的？
当我们得到的变量实际上并不存在时，如何构造变量？

Answer 1

tf.get_variable(name)创建一个名为 name 的新变量(或添加 _ 如果 name 已存在于当前范围内)在 tensorflow 图中。
在您的示例中，您正在创建一个 python变量名为 var1 .
tensorflow 中该变量的名称图不是** var1 ，但是是 Variable:0 .
您定义的每个节点都有自己的名称，您可以指定或让 tensorflow 给出一个默认的(并且总是不同的)名称。您可以看到 name访问 name 的值python变量的属性。 (即 print(var1.name) )。
在你的第二行，你定义了一个 Python 变量 var2谁的名字在 tensorflow 图中 是 var1 .
剧本

import tensorflow as tf

var1 = tf.Variable(3.,dtype=tf.float64)
print(var1.name)
var2 = tf.get_variable("var1",[],dtype=tf.float64)
print(var2.name)

实际上打印:

Variable:0
var1:0

相反，如果您想定义一个名为 var1 的变量(节点)在 tensorflow 图中，然后获取对该节点的引用，您 不能 只需使用 tf.get_variable("var1") ，因为它将创建一个新的不同变量 valled var1_1 .
这个脚本

var1 = tf.Variable(3.,dtype=tf.float64, name="var1")
print(var1.name)
var2 = tf.get_variable("var1",[],dtype=tf.float64)
print(var2.name)

打印:

var1:0
var1_1:0

如果要创建对节点的引用 var1 ， 你先:

必须更换tf.Variable与 tf.get_variable .使用 tf.Variable 创建的变量不能共享，而后者可以。

知乎scope的var1是并允许 reuse在声明引用时属于该范围。

查看代码是更好的理解方式

import tensorflow as tf

#var1 = tf.Variable(3.,dtype=tf.float64, name="var1")
var1 = tf.get_variable(initializer=tf.constant_initializer(3.), dtype=tf.float64, name="var1", shape=())
current_scope = tf.contrib.framework.get_name_scope()
print(var1.name)
with tf.variable_scope(current_scope, reuse=True):
    var2 = tf.get_variable("var1",[],dtype=tf.float64)
    print(var2.name)

输出:

var1:0
var1:0