TensorFlow中variable_scope和name_scope之间的区别
variable_scope和name_scope什么name_scope ？ variables范围教程讲述了隐式打开name_scope variable_scope name_scope 。 我还注意到，在name_scope中创build一个variablesname_scope自动扩展其名称的范围名称。 那么区别是什么呢？
当您使用tf.get_variable而不是tf.Variable创buildvariables时，Tensorflow将开始检查使用相同方法创build的variables名称，以查看它们是否发生碰撞。 如果他们这样做，将会引发exception。 如果使用tf.get_variable创build了一个var，并且您尝试使用tf.name_scope上下文pipe理器来更改variables名称的前缀，那么这不会阻止引发exception的Tensorflow。 在这种情况下，只有tf.variable_scope上下文pipe理器会有效地改变你的var的名字。 或者如果你想重用这个variables，你应该在第二次创buildvar之前调用scope.reuse_variables（）。
总之， tf.name_scope只是为在该范围内创build的所有张量（除了使用tf.get_variable创build的variables除外）添加前缀，并且tf.variable_scope为使用tf.get_variable创build的variables添加前缀。
在尝试通过创build一个简单示例来显示所有内容之前，我对理解variable_scope和name_scope之间的区别有些问题（它们看起来差不多）
import tensorflow as tf def scoping(fn, scope1, scope2, vals): with fn(scope1): a = tf.Variable(vals[0], name='a') b = tf.get_variable('b', initializer=vals[1]) c = tf.constant(vals[2], name='c') with fn(scope2): d = tf.add(a * b, c, name='res') print '\n '.join([scope1, a.name, b.name, c.name, d.name]), '\n' return d d1 = scoping(tf.variable_scope, 'scope_vars', 'res', [1, 2, 3]) d2 = scoping(tf.name_scope, 'scope_name', 'res', [1, 2, 3]) with tf.Session() as sess: writer = tf.summary.FileWriter('logs', sess.graph) sess.run(tf.global_variables_initializer()) print sess.run([d1, d2]) writer.close()
在这里我创build了一个函数，它创build了一些variables和常量，并将它们分组在范围中（取决于我提供的types）。 在这个函数中，我也打印所有variables的名字。 之后，我执行graphics来获得结果值的值，并保存事件文件在tensorboard中进行调查。 如果你运行这个，你会得到以下结果：
scope_vars scope_vars/a:0 scope_vars/b:0 scope_vars/c:0 scope_vars/res/res:0 scope_name scope_name/a:0 b:0 scope_name/c:0 scope_name/res/res:0
如果您打开TB，则会看到类似的模式（因为您看到b在scope_name矩形之外）： 
这给你答案 ：
现在你看到tf.variable_scope()为所有variables的名称（不pipe你如何创build它们），操作tf.variable_scope() ， tf.variable_scope()添加一个前缀。 另一方面， tf.name_scope()忽略使用tf.get_variable()创build的variables，因为它假定您知道哪个variables以及您想使用哪个范围。
关于共享variables的一个很好的文档告诉你
tf.variable_scope()：pipe理传递给tf.get_variable()名称的名称空间。
相同的文档提供了更多的细节，variables作用域如何工作以及何时有用。
