关于tensorflow中变量作用域的名称

最近我一直在尝试学习使用TensorFlow，但我不知道变量作用域是如何工作的。特别是，我有以下问题：

将tensorflow导入为tf
从tensorflow.models.rnn导入rnn\u单元
从tensorflow.models.rnn导入rnn
输入=[tf.placeholder（tf.float32，shape=[10,10]），用于范围（5）]
单元=rnn_单元。基本单元（10）
输出，状态=rnn.rnn（单元格，输入，数据类型=tf.float32）
打印输出[2]。名称
#==>u'RNN/BasicLSTMCell\u 2/mul\u 2:0'

'BasicLSTMCell\u 2'

中的

'u 2'

来自哪里？当以后使用

tf.get_variable（reuse=True）

再次获取相同的变量时，它是如何工作的

编辑：我想我发现了一个相关的问题：

def创建：
使用tf.variable_scope（'test'）：
使用tf.variable_scope（'inner'）：
a=tf.get_变量[1]）
归还
def创建_模块：
使用tf.variable_scope（'test'）：
使用tf.variable_scope（'inner'）：
a=tf.Variable（0.0，name=s）
归还
tf.ops.reset_default_graph（）
a=创建（'a'）
b=创建_mod（'b'））
c=创建（'c'）
d=创建_mod（'d'））
打印a.name，'\n'，b.name，'\n'，c.name，'\n'，d.name

输出是

测试/内部/a:0
测试单元1/内部/b:0
测试/内部/c:0
测试_3/内部/d:0

我很困惑…

在

“BasicLSTMCell\u 2”

中的

“\u 2”

与创建op

输出[2]

的位置相关。每次创建新的名称范围（带）或变量范围（带）时，都会根据给定字符串向当前名称范围添加一个唯一的后缀，可能还会添加一个额外的后缀以使其唯一。对

rnn.rnn（…）

的调用具有以下伪代码（为了清晰起见，简化并使用公共API方法）：

输出=[]
使用tf.variable_scope（“RNN”）：
对于时间步，在枚举中输入（输入）：
如果时间步长>0：
tf.get_variable_scope（）.重用_variables（）
使用tf.variable_作用域（“BasicLSTMCell”）：
输出。追加（…）
返回输出

如果查看

输出

中的张量名称，您将看到它们如下所示：

>打印[o.输出中o的名称]
[u'RNN/BasicLSTMCell/mul_2:0'，
u'RNN/BasicLSTMCell_1/mul_2:0'，
u'RNN/BasicLSTMCell_2/mul_2:0'，
u'RNN/BasicLSTMCell_3/mul_2:0'，
u'RNN/BasicLSTMCell_4/mul_2:0']

输入新名称范围（通过输入或块）时，TensorFlow会为范围创建一个新的唯一名称。第一次输入

“BasicLSTMCell”

作用域时，TensorFlow会逐字使用该名称，因为它以前从未使用过（在

“RNN/”

作用域中）。下一次，TensorFlow会在作用域中添加

“\u 1”

，使其唯一，依此类推，直到

“RNN/BasicLSTMCell\u 4”

---

变量作用域和名称作用域之间的主要区别在于，变量作用域还具有一组名称到-绑定。通过调用

tf.get\u variable\u scope（）.reuse\u variables（）

，我们指示TensorFlow在时间步0之后为

“RNN/”

作用域（及其子对象）重用变量，而不是创建变量。这确保了权重在多个RNN单元之间正确共享。

上述答案在某种程度上是误导性的

让我来回答为什么您有两个不同的作用域名称，尽管看起来您定义了两个相同的函数：

creating

和

creating_mod

这只是因为您使用了

tf.Variable（0.0，name=s）

在函数

creating_mod

中创建变量

如果希望变量被范围识别，请始终使用

tf.get_variable

请查看此以了解更多详细信息

---

谢谢

你能指出使用tf.name\u作用域的确切代码行吗？我只能在rnn_cell.py中找到带有tf.variable_scope（scope或type（self）的

）：#“BasicLSTMCell”

有两个位置：顶级（

“rnn”

）作用域（）和嵌套（

“BasicLSTMCell”

）作用域（）。请注意，调用

variable\u scope（）

意味着调用

name\u scope（）

（请参见实现）。我编辑了答案，以便更清楚地说明在哪里使用

variable\u scope（）

。Thx，我或多或少了解发生了什么。但我认为这也与如何创建变量有关。似乎

tf.get_variables

和

tf.Variable

生成变量名的方法不同。虽然

tf.get\u variables

创建了新的名称\u范围，但它仍然使用变量\u范围名称命名变量，不知何故…不应该

tf.variable\u范围（“basiclstcell”，reuse=True）

是

reuse=None

这样它就继承了外部范围的重用，并且能够在第一次运行时创建变量？我也遇到了这个问题。但是，即使总是使用tf.get_变量，我也会在变量中添加“_1”scope@mhz我还加了“_1”。在我的例子中，它来自训练和测试模型