テンソルフローの可変スコープの名前について

Question

最近、私はTensorFlowの使用方法を習得しようとしていましたが、可変スコープがどのように正確に機能するかはわかりません。

import tensorflow as tf 
from tensorflow.models.rnn import rnn_cell 
from tensorflow.models.rnn import rnn 

inputs = [tf.placeholder(tf.float32,shape=[10,10]) for _ in range(5)] 
cell = rnn_cell.BasicLSTMCell(10) 
outpts, states = rnn.rnn(cell, inputs, dtype=tf.float32) 

print outpts[2].name 
# ==> u'RNN/BasicLSTMCell_2/mul_2:0' 

'BasicLSTMCell_2'で'_2'から来るん：特に、私は次のような問題がありますか？後で同じ変数を再度取得するのに、後でtf.get_variable(reuse=True)を使用するとどのように機能しますか？

編集：私は、関連する問題を見つけると思う：

def creating(s): 
    with tf.variable_scope('test'): 
     with tf.variable_scope('inner'): 
      a=tf.get_variable(s,[1]) 
    return a 

def creating_mod(s): 
    with tf.variable_scope('test'): 
     with tf.variable_scope('inner'): 
      a=tf.Variable(0.0, name=s) 
    return a 

tf.ops.reset_default_graph() 
a=creating('a') 
b=creating_mod('b') 
c=creating('c') 
d=creating_mod('d') 

print a.name, '\n', b.name,'\n', c.name,'\n', d.name 

出力は、私は混乱している

test/inner/a:0 
test_1/inner/b:0 
test/inner/c:0 
test_3/inner/d:0 

です... "BasicLSTMCell_2"で

Answer 1

"_2"が関連name scopeにはoutpts[2]というオペレーションが作成されています。新しい名前スコープ（tf.name_scope()）または可変スコープ（tf.variable_scope()）を作成するたびに、指定された文字列に基づいて現在の名前スコープに一意の接尾辞が追加されます。 rnn.rnn(...)への呼び出しは次の擬似コード（簡素化および明確にするためのパブリックAPIメソッドを使用して）を持つ：

outputs = [] 
with tf.variable_scope("RNN"): 
    for timestep, input_t in enumerate(inputs): 
    if timestep > 0: 
     tf.get_variable_scope().reuse_variables() 
    with tf.variable_scope("BasicLSTMCell"): 
     outputs.append(...) 
return outputs 

あなたはoutptsでテンソルの名前を見れば、あなたは彼らが従っていることがわかります。

>>> print [o.name for o in outpts] 
[u'RNN/BasicLSTMCell/mul_2:0', 
u'RNN/BasicLSTMCell_1/mul_2:0', 
u'RNN/BasicLSTMCell_2/mul_2:0', 
u'RNN/BasicLSTMCell_3/mul_2:0', 
u'RNN/BasicLSTMCell_4/mul_2:0'] 

あなたは（with tf.name_scope("..."):またはwith tf.variable_scope("..."):ブロックを入力して）新しい名前の範囲を入力すると、TensorFlowはスコープのための新しい、ユニークな名を作成します。最初に"BasicLSTMCell"スコープが入力されると、TensorFlowはこれまで使用されていなかったため（"RNN/"スコープ内にある）、その名前をそのまま使用します。次回、TensorFlowは"_1"をスコープに追加してユニークにします（最大で"RNN/BasicLSTMCell_4"）。

可変スコープとネームスコープの主な違いは、可変スコープも一連の名前からtf.Variableのバインディングを持つことです。 tf.get_variable_scope().reuse_variables()を呼び出すことで、"RNN/"スコープ（およびその子）の変数をtimestep0の後で作成するのではなく、の再利用にTensorFlowに指示します。これにより、複数のRNNセル間で重みが正しく共有されます。

Answer 2

上記の回答は間違っています。

2つの異なる機能が定義されているように見えますが、なぜ2つの異なるスコープ名があるのか​​を教えてください。creatingとcreating_mod。

これは、tf.Variable(0.0, name=s)を使用して、creating_modという変数に変数を作成したためです。

変数をスコープで認識させる場合は、常にtf.get_variableを使用してください。

詳しくはissueをご覧ください。

ありがとうございます！