Tensorflow 变量范围和get_变量

为什么我不能得到100的结果，而是一个随机数？代码如下：

def func1():
    with tf.variable_scope("var_scope"):
        v1 = tf.get_variable('var1', shape=[])
        v1 = tf.zeros([1])
        v1 = v1 + 100

def func2():
    with tf.variable_scope("var_scope", reuse=True):
        v2 = tf.get_variable('var1')

        with tf.Session() as sess:
            sess.run(tf.global_variables_initializer())
            result = sess.run(v2)
            print(result)

func1()
func2()

当你写作时

v1 = tf.get_variable('var1', shape=[])

。。。在

func1

中，此变量随机初始化。

func1

中的后续操作不会更改此节点，而是定义新节点。请记住，在计算图中python变量和tensorflow节点之间存在差异

将代码更改为

v1 = tf.get_variable('var1', shape=[], initializer=tf.constant_initializer(0))

。。。看看有什么不同