变量_作用域和名称_作用域在TensorFlow 2中有什么用途吗？

在TensorFlow 2中，急切执行是默认执行。不需要烦人的会话或占位符

例如，在堆栈溢出方面，有很多问题与

名称范围

，

变量范围

等有关，因为人们不理解这些函数背后的含义及其用途。本质上，这些函数用于命名基础计算图中的变量

---

variable\u scope

、

name\u scope

等在TensorFlow 2中是否有任何目的或用途，并具有急切的执行？如果是这样，请提供一个示例？

在TensorFlow 2中，您仍然可以使用已移动到TF2的

tf.name\u scope

下面是一个例子

with tf.name_scope("foo"):
    with tf.name_scope("bar"):
        v = tf.Variable([0], dtype=tf.float32, name="v")
        assert v.name == "foo/bar/v:0" 

但由于变量位于Tensorflow 2中，因此通过解决诸如

变量重用

，

依赖全局范围等缺点，Tensorflow 2有许多变化和改进

对于变量的这些更改，实际上没有必要使用
变量\u范围

但是如果您仍然需要使用variable_scope，您可以按照以下方式使用它

要控制变量命名，用户可以使用tf.name\u scope+tf.variable

您可以关注社区RFC，以获取有关变量从Tensorflow 1到Tensorflow 2的所有主要更改的详细信息。在Tensorflow 2中，您仍然可以使用已移动到TF2的
tf.name\u scope

下面是一个例子

with tf.name_scope("foo"):
    with tf.name_scope("bar"):
        v = tf.Variable([0], dtype=tf.float32, name="v")
        assert v.name == "foo/bar/v:0" 

但由于变量位于Tensorflow 2中，因此通过解决诸如
变量重用
，
依赖全局范围等缺点，Tensorflow 2有许多变化和改进

对于变量的这些更改，实际上没有必要使用
变量\u范围

但是如果您仍然需要使用variable_scope，您可以按照以下方式使用它

要控制变量命名，用户可以使用tf.name\u scope+tf.variable

您可以关注社区RFC，了解从Tensorflow 1到Tensorflow 2的变量的所有主要更改的详细信息