tf.Variable() 和 tf.get_variable()的区别

tf.Variable():

检测到命名冲突时，系统会自动处理，通俗的说就是在变量后面自动加“_index”。

import tensorflow as tf
w_1 = tf.Variable(0,name="w_1")
w_2 = tf.Variable(1,name="w_1")
print w_1.name
print w_2.name
#output
#w_1:0
#w_1_1:0
tf.get_variable():

检测到命名冲突时，系统会报错。这个机制保护了命名系统（这个语句要和tf.variable_scope结合使用），在同样的variable_scope下命名冲突时，系统认为这两个命名是指向同一个内存地址的。

import tensorflow as tf
w_1 = tf.get_variable(name="w_1",initializer=0)
w_2 = tf.get_variable(name="w_1",initializer=1)
#error imformation
#ValueError: Variable w_1 already exists, disallowed. Did
#you mean to set reuse=True in VarScope?
import tensorflow as tf
with tf.variable_scope("scope1"):
    w1 = tf.get_variable("w1", shape=[])
    w2 = tf.Variable(0.0, name="w2")
with tf.variable_scope("scope1", reuse=True):
    w1_p = tf.get_variable("w1", shape=[])
    w2_p = tf.Variable(1.0, name="w2")

print(w1 is w1_p, w2 is w2_p)
#输出
#True  False
tf.get_variable()结合reuse使用例子
import tensorflow as tf

with tf.variable_scope('v_scope',reuse=True) as scope1:
    Weights1 = tf.get_variable('Weights', shape=[2,3])
    bias1 = tf.get_variable('bias', shape=[3])

# 下面来共享上面已经定义好的变量
# note: 在下面的 scope 中的变量必须已经定义过了，才能设置 reuse=True，否则会报错
with tf.variable_scope('v_scope', reuse=True) as scope2:
    Weights2 = tf.get_variable('Weights')

# 下面来共享上面已经定义好的变量
# note: 在下面的 scope 中的变量必须已经定义过了，才能设置 reuse=True，否则会报错
with tf.variable_scope('v_scope', reuse=True) as scope2:
    Weights3 = tf.get_variable('Weights')

print (Weights1.name)
print (Weights2.name)
print (Weights3.name)


#### output：
v_scope/Weights:0
v_scope/Weights:0
v_scope/Weights:0

可以看到三个变量指向的是同一个变量.

注意1：

variable_scope必须是同一个名为‘v_scope’，否则起不到共享变量的作用，会报ValueError: Variable v_scope1/Weights does not exist, or was not created with tf.get_variable(). Did you mean to set reuse=None in VarScope?

注意2：

get_variable()变量必须已经定义过了，而且必须是通过get_variable()定义的，才能设置 reuse=True，否则会报错Variable v_scope/bias does not exist, or was not created with tf.get_variable()

reference

javascript:void(0)
javascript:void(0)