Python 如何生成tensorflow变量'；本地'；？

似乎由

tf.get_variable（）

或

tf.variable（）

生成的tensorflow变量都是全局变量。发生在我身上的情况如下：假设我创建了以下两个文件：

main.py

from prac_var import defineVar
for i in range(1000):
    defineVar()

from prac_var import defineVar
for i in range(1000):
    defineVar()

prac_var.py

import tensorflow as tf
def defineVar():
    with tf.variable_scope('weight'):    
        W = tf.Variable(tf.zeros([1,1]),name='W')
        print('\n',tf.trainable_variables())

import tensorflow as tf
def defineVar():
    tf.reset_default_graph()
    with tf.variable_scope('weight'):    
        W = tf.Variable(tf.zeros([1,1]),name='W')
        print('\n',tf.trainable_variables())

现在，如果我运行main.py，它将生成

[<tf.Variable 'weight/W:0' shape=(1, 1) dtype=float32_ref>]

[<tf.Variable 'weight/W:0' shape=(1, 1) dtype=float32_ref>, <tf.Variable 'weight_1/W:0' shape=(1, 1) dtype=float32_ref>]

[<tf.Variable 'weight/W:0' shape=(1, 1) dtype=float32_ref>, <tf.Variable 'weight_1/W:0' shape=(1, 1) dtype=float32_ref>, <tf.Variable 'weight_2/W:0' shape=(1, 1) dtype=float32_ref>]
...

[]
[, ]
[, ]
...

而我真正想要的是

[<tf.Variable 'weight/W:0' shape=(1, 1) dtype=float32_ref>]
[<tf.Variable 'weight/W:0' shape=(1, 1) dtype=float32_ref>]
[<tf.Variable 'weight/W:0' shape=(1, 1) dtype=float32_ref>]
...

[]
[]
[]
...

---

我如何才能以一种非平凡的方式解决这个问题？

首先，我想知道您是否了解Tensorflow首先构造一个计算图，然后使用您定义的图进行所有计算。使用

tf.get_variable（）

可以从任何地方访问所有变量，如果您知道变量的名称

如果两次都在两个不同的位置获取权重，试图获取变量

W

，则“重用”这些权重。这就是引入变量作用域的原因：

如果你想拥有两种不同的权重，你可以说：

with tf.variable_scope('mnistweights'):
  Wmnist = tf.get_variable('W',...)
with tf.variable_scope('exampleweights'):
  Wtest = tf.get_variable('W',...)

现在有了名为mnistweights/W和examplewweights/W的变量

---

希望你能更好地理解它

我意外地找到了解决问题的办法。只需添加一行

tf.reset\u default\u graph（）

main.py

from prac_var import defineVar
for i in range(1000):
    defineVar()

from prac_var import defineVar
for i in range(1000):
    defineVar()

prac_var.py

import tensorflow as tf
def defineVar():
    with tf.variable_scope('weight'):    
        W = tf.Variable(tf.zeros([1,1]),name='W')
        print('\n',tf.trainable_variables())

import tensorflow as tf
def defineVar():
    tf.reset_default_graph()
    with tf.variable_scope('weight'):    
        W = tf.Variable(tf.zeros([1,1]),name='W')
        print('\n',tf.trainable_variables())

---

我想我还没有向你清楚地表达我的观点。你能再看一次吗？你到底想要什么？现在移除权重并再次添加1000次。。。