Python Tensorflow：tf.map\u fn的变量重用

我创建了一个包含一些变量的函数

func

。现在，我想单独使用这个函数，也可以通过

tf.map\u fn

函数来使用，我想为这两种情况保留相同的变量集。但是，显然，

tf.map\u fn

函数将当前变量范围附加到

map

，因此独立案例的变量范围不再与

tf.map\u fn

的案例匹配。因此，以下代码抛出一个错误，因为变量

mul1/map/weights

在使用

reuse=True

调用它之前不存在

    import tensorflow as tf
    D = 5
    batch_size = 1
    def func(x):
        W = tf.get_variable(initializer=tf.constant_initializer(1), shape=[D,1], dtype=tf.float32, trainable=True, name="weights")
        y = tf.matmul(x, W)
        return y

    x = tf.placeholder(tf.float32, [batch_size, 5])
    x_cat = tf.placeholder(tf.float32, [None, batch_size, 5])
    with tf.variable_scope("mul1") as mul1_scope:
        y_sum = func(x)
    with tf.variable_scope(mul1_scope, reuse=True):
        cost = tf.map_fn(lambda x: func(x), x_cat)

在这里，我只想对

mul1/map

scope下的变量运行梯度更新。因此，我可能可以在每次更新后使用

tf.assign

来更改

mul1

范围下的变量（仅用于前馈步骤）。但这是一种相当痛苦的变量共享方式。所以，我想知道是否有更好的方法来解决这个问题。任何帮助都将不胜感激