Tensorflow 如何获取tf.name_scope（）中定义的变量的值？

我想使用tf.get_变量来获取变量hidden4/weights，定义如上，但失败如下：

with tf.name_scope('hidden4'):
    weights = tf.Variable(tf.convert_to_tensor(weights4))
    biases = tf.Variable(tf.convert_to_tensor(biases4))
    hidden4 = tf.sigmoid(tf.matmul(hidden3, weights) + biases)

用于可视化变量

tf.name\u范围（名称）

• 使用默认图形的Graph.name_scope（）的包装器

我想你要找的是：

TensorFlow中的可变范围机制包括两个主要功能：

• get_variable（，）：创建或返回具有给定名称的变量

• tf.variable_scope（）：管理传递给tf.get_variable（）的名称的名称空间

带有tf.variable_scope（'hidden4'）的

：
#此范围中不存在名为的变量，因此它将创建该变量
权重=tf.get_变量（“权重”，tf.convert_to_张量（权重4））#必须完全定义新变量的形状（隐藏4/权重）
偏差=tf.get_变量（“偏差”，tf.convert_to_张量（偏差4））#必须完全定义新变量的形状（隐藏/偏差）
hidden4=tf.sigmoid（tf.matmul（hidden3，权重）+偏差）
使用tf.variable_scope（'hidden4'，reuse=True）：
hidden4weights=tf.get_变量（“权重”）
断言权重==hidden4weights

---

应该可以了。

我已经解决了上面的问题：

classifyerlayer_W=[v代表tf.all_variables（），如果v.name==“softmax_-linear/weights:0”][0]#按名称“softmax_-linear/weights:0”查找变量
init=numpy.random.randn（20484382）#创建一个用于重新初始化变量的数组
assign_op=classifyerlayer_W.assign（init）#创建一个assign操作
sess.run（assign_op）#运行op完成分配

非常感谢您的帮助和详细说明！！我遇到了一个新问题，如下所示

hidden4weights = tf.get_variable("hidden4/weights:0")
*** ValueError: Variable hidden4/weights:0 already exists, disallowed.       Did you mean to set reuse=True in VarScope? Originally defined at:

File "<stdin>", line 1, in <module>
File "/usr/local/lib/python2.7/pdb.py", line 234, in default
exec code in globals, locals
File "/usr/local/lib/python2.7/cmd.py", line 220, in onecmd
return self.default(line)

(Pdb) hidden4/weights.eval(sess)
*** NameError: name 'hidden4' is not defined

with tf.variable_scope('hidden4'):
    # No variable in this scope with name exists, so it creates the variable
    weights = tf.get_variable("weights", <shape>, tf.convert_to_tensor(weights4)) # Shape of a new variable (hidden4/weights) must be fully defined
    biases = tf.get_variable("biases", <shape>, tf.convert_to_tensor(biases4)) # Shape of a new variable (hidden4/biases) must be fully defined
    hidden4 = tf.sigmoid(tf.matmul(hidden3, weights) + biases)

with tf.variable_scope('hidden4', reuse=True):
    hidden4weights = tf.get_variable("weights")

assert weights == hidden4weights