为什么同名的tf.name_scope不同？

Question

看一下代码片段:

import tensorflow as tf

with tf.name_scope('y'):
    a1 = tf.Variable(1,name='a')

with tf.name_scope('y'):
    a2 = tf.Variable(1,name='b')

print(a1.name)
print(a2.name)

输出是

y/a:0
y_1/b:0

为什么变量a2的name_scope是y_1？

Answer 1

在github上有一个关于这个主题的有趣讨论.

您可以做什么在末尾添加'/',使其成为绝对标识符:

import tensorflow as tf

with tf.name_scope('y'):
    a1 = tf.Variable(1,name='a')

with tf.name_scope('y/'):
    a2 = tf.Variable(1,name='b')

print(a1.name)
print(a2.name)

产量:

y/a:0
y/b:0

这同样适用于tf.variable_scope().

你的问题的底线很可能是Tensorflow无法知道你是否明确地想要在范围内附加某些内容,或者是否有人创建了不同的范围并希望保护您免受无意的重复使用.通过在末尾附加'/',您可以将名称转换为绝对标识符.