如何在 tensorflow 2.0 中重用變量？

Question

在使用 tensorflow 2.0 時，我發現 tf.Variable 有點奇怪？ 下面有兩種情況。

第一個

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>

這意味着具有相同名稱的變量不共享相同的 memory。

第二個

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>

結果出乎意料，不同名字的變量x和y共享同一個 memory，但是id(x)不等於id(y) 。

因此，變量的名稱無法區分變量是否相同（共享相同的內存）。 以及如何重用 tensorflow 2.0 中的變量，例如 tensorflow 1.0 中with tf.variable_scope("scope", reuse=True) tf.get_variable(...) ？

Answer 1

引用您的問題：

結果出乎意料，不同名字的變量x和y共享同一個memory，但是id(x)不等於id(y)。

不，這是不正確的。 來自tf.Variable.assign的文檔，其中read_value默認為True ：

read_value：如果為真，將返回計算結果為變量新值的內容； 如果 False 將返回分配操作。

這里的“某事”應該是一個新的操作，它不是x ，而是被評估為x的值。

要重用x ，只需訪問x ：

y = x
print(y is x) # True

最后，關於：

這意味着具有相同名稱的變量不共享相同的 memory。

因此，變量的名稱無法區分是否 [...]

關於您的第一個示例，您必須自己創建不同的（因此可區分的） name 。 您可能想看看這個已接受答案https://stackoverflow.com/a/73024334/5290519的評論