TensorFlow-获取张量的可变范围？

如果我有一个对张量的引用，有没有办法确定张量的变量范围？张量的

.name

应该包含变量作用域名称，但是手动解析这似乎是一个有点麻烦的解决方法。有没有更可靠的方法来寻找变量范围？谢谢

名称作用域是一种有用的方法，可以在给定名称的作用域内为张量和运算符添加前缀，但它不是唯一的，甚至不是必需的。认为

with tf.variable_scope('foo'):
    x = tf.zeros((), name='bar')

及

结果是

x

具有相同的名称

甚至可以连接变量范围：

with tf.variable_scope('foo'):
    with tf.variable_scope('bar'):
        x = tf.zeros((), name='qux')

所以说

x

的“变量范围”就没有什么意义了

但是请注意，这些名称的类似路径的性质使它们适合与

os.path

（甚至在Windows上）一起使用。例如，要获取张量名称的“路径”部分（可能是您正在查找的“变量范围”），可以使用

os.path.split(x.name)[0]

---

我懂了。我正在寻找一种获得张量引用的变量范围的通用方法，这样我就可以随意地确定使用变量范围（…，reuse=True）进入哪个

，以重用相关变量。具体地说，根据contrib层的输出张量获取该层的权重。在这种情况下，使用类似路径的拆分可能会起作用。谢谢
os.path.split(x.name)[0]