テンソルフローの異なるスコープにわたるサブネットワーク重みの共有

Question

テンソルフローを使用して、異なる変数スコープの同じネットワークから同一の重みを共有しようとしています。しかし、これを行う簡単な方法はないようです。私は、より大きなサブネットワークをどうしたいどのような小規模で説明するために、小さなコードサンプルを用意しています

import tensorflow as tf 

graph = tf.Graph() 
with graph.as_default(): 
    with tf.variable_scope("super_scope_one"): 
     scope1 = tf.variable_scope("sub_scope_one") 
     with scope1: 
      number_one = tf.get_variable("number_one", shape=[1], 
             initializer=tf.ones_initializer) 
    with tf.variable_scope("super_scope_two"): 
     with tf.variable_scope("sub_scope_one", reuse=True) as scope2: 
      # Here is the problem. 
      # scope1.reuse_variables() # this crashes too if reuse=None. 
      number_one = tf.get_variable("number_one", shape=[1]) 
     with tf.variable_scope("sub_scope_two"): 
      number_two = tf.get_variable("number_two", shape=[1], 
             initializer=tf.ones_initializer) 
     number_three = number_one + number_two 

    init_op = tf.global_variables_initializer() 

with tf.Session(graph=graph): 
    init_op.run() 
    print(number_three.eval()) 

は スコープを削除せずに、二つのサブスコープで変数を共有する方法はあります上記？そして、それがなぜ悪いアイディアになるのかという正当な理由はありませんか？

Answer 1

number_oneを"super_scope_one"に一度だけ定義して"super_scope_two"でも使用できます。

異なるスコープの2つの変数を一緒に使用できます。以下を参照してください：

import tensorflow as tf 

graph = tf.Graph() 
with graph.as_default(): 
    with tf.variable_scope("super_scope_one"): 
     scope1 = tf.variable_scope("sub_scope_one") 
     with scope1: 
      number_one = tf.get_variable("number_one", shape=[1], 
             initializer=tf.ones_initializer) 
    with tf.variable_scope("super_scope_two"): 
     with tf.variable_scope("sub_scope_two"): 
      number_two = tf.get_variable("number_two", shape=[1], 
             initializer=tf.ones_initializer) 
     number_three = number_one + number_two 

    init_op = tf.global_variables_initializer() 

    with tf.Session(graph=graph): 
     init_op.run() 
     print(number_three.eval()) 

戻り