Tensorflow tf.layers，tf.contrib.layers不适用于可变范围

Question

我开始使用TensorFlow进行一些简单的Q学习，但是在尝试将可变范围与使用tf.layers和tf.contrib.layers构造的层一起使用时遇到了麻烦。 简而言之，我想将相同的图层应用于不同的输入张量（例如，保存当前和下一个Q值）。 这是使用tf.layers的最小示例：

import tensorflow as tf

inp1 = tf.placeholder(tf.float64, (4,1))
inp2 = tf.placeholder(tf.float64, (4,1))

def process(inp):
    with tf.variable_scope("foo", reuse=True):
        return tf.layers.dense(inp, 12, name="bar", reuse=True)

process(inp1)
process(inp2)

尝试执行此代码会产生以下异常：

ValueError: Variable foo/bar/kernel does not exist, or was not created with
tf.get_variable(). Did you mean to set reuse=None in VarScope?

我了解到，在tf.layers.dense()中设置reuse=True会使它尝试查找已经定义的图层，而这可能会失败。 但是，如果我将调用更改为tf.layers.dense(inp, 12, name="bar") ，则它将失败，并出现相同的异常。

如果我在tf.variable_scope()设置了reuse=None ，则后一个版本在调用process(inp2)期间会失败，但以下情况除外：

ValueError: Variable foo/bar/kernel already exists, disallowed. 
Did you mean to set reuse=True in VarScope?

不幸的是，使用tf.contrib.layers时会发生类似的错误。

我的问题是：有没有办法使tf.layers在可变范围内工作？ 我知道我可以分别定义权重和偏差，但是最好保留tf.layers给出的抽象。 非常感谢！

我的设置是在Windows 10上运行Python 3.6.1的TensorFlow 1.3.0（CPU）（通过pip安装在64位Anaconda 4.4.0上）。

PS我在本演示文稿的第17页上发现了对层使用可变范围。

Answer 1

有两个错误是不同的：第一个错误发生在process(inp1) ，它试图找到存在的变量，但是没有找到； 第二个发生在process(inp2) ，其中存在具有相同名称的变量，但是它试图创建一个具有相同名称的新变量，不允许这样做。

我想您想重用这些变量进行Q学习。 因此解决方案非常简单：第一次定义这些变量时，不要使用reuse ，然后可以设置reuse=True 。

在您的演示文稿中，我想它们之前已经定义了变量。

本指南将为您提供更多帮助。