TensorFlow中如何设置和区分不同作用域的变量？

本文共计1586个文字，预计阅读时间需要7分钟。

例如，在TensorFlow中，变量一般是指模型的参数。当模型复杂时，共享变量会极大地简化复杂性。官方案例中提到，当创建两层卷积的过滤器时，每输入一张图片就会创建一个对应的过滤器变量。

举例说明

TensorFlow中的变量一般就是模型的参数。当模型复杂的时候共享变量会无比复杂。

官网给了一个case，当创建两层卷积的过滤器时，每输入一次图片就会创建一次过滤器对应的变量，但是我们希望所有图片都共享同一过滤器变量，一共有4个变量：conv1_weights,conv1_biases,conv2_weights, and conv2_biases。

通常的做法是将这些变量设置为全局变量。但是存在的问题是打破封装性，这些变量必须文档化被其他代码文件引用，一旦代码变化，调用方也可能需要变化。

还有一种保证封装性的方式是将模型封装成类。

不过TensorFlow提供了Variable Scope 这种独特的机制来共享变量。