tf.variable_scope(name_or_scope,default_name=None,values=None,initializer=None,regularizer=None,caching_device=None,partitioner=None,custom_getter=None,reuse=None,dtype=None)

返回一個用於定義建立variable（層）的op的上下文管理器。

該上下文管理器驗證（可選）值來自同一圖形，確保圖形是預設圖形，並推送名稱範圍和variable範圍。

如果name_or_scope不為None，則按原樣使用。 如果範圍為None，則使用default_name。 在這種情況下，如果以前在同一個範圍內使用了相同的名稱，那麼它將會被唯一的附加到_N。

可變範圍允許建立新的variable並分享已建立的variable，同時提供檢查，不會意外建立或共享。 有關詳細資訊，請參閱可變範圍如何操作，這裡我們僅提供幾個基本示例。

如何建立新variable的簡單示例：

with tf.variable_scope("foo"):
    with tf.variable_scope("bar"):
        v = tf.get_variable("v", [1])
        assert v.name == "foo/bar/v:0"

• 1
• 2
• 3
• 4

共享variable的基本示例：

with tf.variable_scope("foo"
 
):
    v = tf.get_variable("v", [1])
with tf.variable_scope("foo", reuse=True):
    v1 = tf.get_variable("v", [1])
assert v1 == v

• 1
• 2
• 3
• 4
• 5

通過捕獲範圍並設定重用來共享variable：

with tf.variable_scope("foo") as scope:
    v = tf.get_variable("v", [1])
    scope.reuse_variables()
    v1 = tf.get_variable("v", [1])
assert
 
 v1 == v

• 1
• 2
• 3
• 4
• 5

為了防止意外共享variable，當在非重用範圍內獲取現有variable時，我們引發異常。

with tf.variable_scope("foo"):
    v = tf.get_variable("v", [1])
    v1 = tf.get_variable("v", [1])
    #  Raises ValueError("... v already exists ...").

• 1
• 2
• 3
• 4

同樣，當嘗試獲取在重用模式下不存在的variable時，我們引發異常。

with tf.variable_scope("foo", reuse=True):
    v = tf.get_variable("v", [1])
    #  Raises ValueError("... v does not exists ...").

• 1
• 2
• 3

請注意，重用標誌是繼承的：如果我們開啟一個重用的範圍，那麼它的所有子範圍也會變得重用。

ARGS：

name_or_scope：string或VariableScope：要開啟的範圍。
default_name：如果name_or_scope引數為None，則將使用預設名稱，此名稱將被唯一。 如果提供了name_or_scope，它將不會被使用，因此它不是必需的，可以是None。
值：傳遞給op函式的Tensor引數列表。
初始化器：此範圍內的變數的預設初始化程式。
regularizer：此範圍內的變數的預設正則符。
caching_device：此範圍內的變數的預設快取裝置。
partitioner：此範圍內變數的預設分割槽。
custom_getter：此範圍內變數的預設定製getter。
重用：True或None 如果是，我們進入該範圍以及所有子範圍的重用模式; 如果沒有，我們只是繼承父範圍重用。
dtype：在此範圍中建立的變數型別（預設為傳遞範圍中的型別，或從父範圍繼承）

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10

返回：

可以捕獲和重複使用的範圍。