tf.name_scope和 tf.variable_scope区别

1、tf.Variables()和 tf.get_variable()区别

    tf.variable()会直接创建新的变量实例，如果已经存在，系统自己处理，变量名后缀增加0,1,2...

　tf.get_variable(“name”) 可以实现变量共享：使用默认值时reuse=False，当有相同变量存在时，系统不会自己处理，报有同名的标量存在的错；如果设置 reuse=True,如果变量已经存在，则返回存在的变量，如果不存在，则新创建一个

2、tf.name_scope和tf.variable_scope区别

　　均为设置作用域。

　　tf.name_scope下，仅对tf.Variable()创建的变量前面增加作用域，对tf.get_variable()创建的变量不增加作用域

       tf.variable_scope下,对tf.Variable()和tf.get_variable()创建的变量均增加作用域

       实例：

with tf.variable_scope("scope"):
　　v1 = tf.get_variable("var1", [1], dtype=tf.float32)   // v1   scope/var1:0
　　v2 = tf.Variable(1, name="var2", dtype=tf.float32) // v2 scope/var2:0

a = tf.add(v1, v2)      // a scope/add:0

with tf.name_scope("scope"):
　　v1 = tf.get_variable("var1", [1], dtype=tf.float32)   // v1   var1:0
　　v2 = tf.Variable(1, name="var2", dtype=tf.float32) // v2 scope/var2:0

a = tf.add(v1, v2)      // a scope/add:0

tf.name_scope和 tf.variable_scope区别

原文：https://www.cnblogs.com/pyclq/p/12380638.html