tf.get_variable和tf.Variable函数差别

在tensorflow中提供了tf.get_variable函数来创建或者获取变量。

当tf.get_variable用于创建变量时，则与tf.Variable的功能基本相同。

#定义的基本等价
v = tf.get_variable("v",shape=[1],initializer.constant_initializer(1.0))
v = tf.Variable(tf.constant(1.0,shape=[1]),name="v")

由以上可见，相同点：通过两函数创建变量的过程基本一样，且tf.variable函数调用时提供的维度(shape)信息以及初始化方法(initializer)的参数和tf.Variable函数调用时提供的初始化过程中的参数基本类似。
不同点：两函数指定变量名称的参数不同，对于tf.Variable函数，变量名称是一个可选的参数，通过name="v"的形式给出

而tf.get_variable函数，变量名称是一个必填的参数，它会根据变量名称去创建或者获取变量。

##############################################################################

先通过tf.variable_scope生成一个上下文管理器，并指明需求的变量在这个上下文管理器中，就可以直接通过tf.get_variable获取已经生成的变量。

#通过tf.variable_scope函数控制tf.get_variable函数来获取以及创建过的变量
with tf.variable_scope("zyy"):#zyy的命名空间
v=tf.get_variable("v",[1],initializer=tf.constant_initializer(1.0))  #在zyy的命名空间内创建名字为v的变量

with tf.variable_scope("zyy"):
v=tf.get_variable("v",[1])  #通过tf.get_variable函数创建v的变量，则会失败，由于在zyy空间中已经生成了一个v的变量

在上下文管理器中已经生成一个v的变量，若想通过tf.get_variable函数获取其变量，则可以通过reuse参数的设定为True来获取（可以将reuse按照字面意思理解，重用）

with tf.variable_scope("zyy",reuse=True):
v1=tf.get_variable("v",[1])
print v==v1   #输出为True

并且tf.variable_scope只能获取已经创建过的变量。
如果tf.variable_scope函数使用参数reuse=None或者reuse=False创建上下文管理器，则tf.get_variable函数可以创建新的变量。但不可以创建已经存在的变量即为同名的变量。