tf.variable_scope 
tf.name_scope 
先以下面的代碼說(shuō)明兩者的區(qū)別

 # 命名空間管理函數(shù)
'''
說(shuō)明tf.variable_scope和tf.name_scope的區(qū)別
'''
def manage_namespace():
 with tf.variable_scope("foo"):
  # 在命名空間foo下獲取變量"bar"，于是得到的變量名稱為"foo/bar"。
  a = tf.get_variable("bar",[1]) #獲取變量名稱為“bar”的變量
  print a.name  #輸出:foo/bar:0
 with tf.variable_scope("bar"):
  # 在命名空間bar下獲取變量"bar"，于是得到的變量名稱為"bar/bar"。
  a = tf.get_variable("bar",[1])
  print a.name  #輸出:bar/bar:0
 with tf.name_scope("a"):
  # 使用tf.Variable函數(shù)生成變量會(huì)受tf.name_scope影響，于是得到的變量名稱為"a/Variable"。
  a = tf.Variable([1]) #新建變量
  print a.name  #輸出:a/Variable:0

  # 使用tf.get_variable函數(shù)生成變量不受tf.name_scope影響，于是變量并不在a這個(gè)命名空間中。
  a = tf.get_variable("b",[1])
  print a.name  #輸出:b:0
 with tf.name_scope("b"):
  # 使用tf.get_variable函數(shù)生成變量不受tf.name_scope影響，所以這里將試圖獲取名稱
  # 為“b”的變量。然而這個(gè)變量已經(jīng)被聲明了，于是這里會(huì)報(bào)重復(fù)聲明的錯(cuò)誤
  tf.get_variable("b",[1])#提示錯(cuò)誤

def practice_num1():
# 練習(xí)1: 構(gòu)建簡(jiǎn)單的計(jì)算圖
 input1 = tf.constant([1.0, 2.0, 3.0],name="input1")
 input2 = tf.Variable(tf.random_uniform([3]),name="input2")
 output = tf.add_n([input1,input2],name = "add")

#生成一個(gè)寫日志的writer，并將當(dāng)前的tensorflow計(jì)算圖寫入日志
 writer = tf.summary.FileWriter(ROOT_DIR + "/log",tf.get_default_graph())
 writer.close()

def practice_num1_modify():
 #將輸入定義放入各自的命名空間中，從而使得tensorboard可以根據(jù)命名空間來(lái)整理可視化效果圖上的節(jié)點(diǎn)
 # 練習(xí)1: 構(gòu)建簡(jiǎn)單的計(jì)算圖
 with tf.name_scope("input1"):
  input1 = tf.constant([1.0, 2.0, 3.0],name="input1")
 with tf.name_scope("input2"):
  input2 = tf.Variable(tf.random_uniform([3]),name="input2")
 output = tf.add_n([input1,input2],name = "add")

#生成一個(gè)寫日志的writer，并將當(dāng)前的tensorflow計(jì)算圖寫入日志
 writer = tf.summary.FileWriter(ROOT_DIR + "/log",tf.get_default_graph())
 writer.close()