如何在 tensorflow 2.0 中重用变量？

Question

在使用 tensorflow 2.0 时，我发现 tf.Variable 有点奇怪？ 下面有两种情况。

第一个

x1 = tf.Variable(12., name='x')
x2 = tf.Variable(12., name='x')
print(x1 is x2)
x1.assign(1.)
print(x1)
print(x2)

output 是

False
<tf.Variable 'x:0' shape=() dtype=float32, numpy=1.0>
<tf.Variable 'x:0' shape=() dtype=float32, numpy=12.0>

这意味着具有相同名称的变量不共享相同的 memory。

第二个

x = tf.Variable(12., name='x')
print(x)
y = x.assign(5.)
print(y)
print(x is y)

x.assign(3.)
print(x)
print(y)

output 是

<tf.Variable 'x:0' shape=() dtype=float32, numpy=12.0>
<tf.Variable 'UnreadVariable' shape=() dtype=float32, numpy=5.0>
False
<tf.Variable 'x:0' shape=() dtype=float32, numpy=3.0>
<tf.Variable 'UnreadVariable' shape=() dtype=float32, numpy=3.0>

结果出乎意料，不同名字的变量x和y共享同一个 memory，但是id(x)不等于id(y) 。

因此，变量的名称无法区分变量是否相同（共享相同的内存）。 以及如何重用 tensorflow 2.0 中的变量，例如 tensorflow 1.0 中with tf.variable_scope("scope", reuse=True) tf.get_variable(...) ？

Answer 1

引用您的问题：

结果出乎意料，不同名字的变量x和y共享同一个memory，但是id(x)不等于id(y)。

不，这是不正确的。 来自tf.Variable.assign的文档，其中read_value默认为True ：

read_value：如果为真，将返回计算结果为变量新值的内容； 如果 False 将返回分配操作。

这里的“某事”应该是一个新的操作，它不是x ，而是被评估为x的值。

要重用x ，只需访问x ：

y = x
print(y is x) # True

最后，关于：

这意味着具有相同名称的变量不共享相同的 memory。

因此，变量的名称无法区分是否 [...]

关于您的第一个示例，您必须自己创建不同的（因此可区分的） name 。 您可能想看看这个已接受答案https://stackoverflow.com/a/73024334/5290519的评论