如何避免继承父variable_scope？如何让call_embd命名为Embedding/embedding_matrix？

1. 如何不继承父Variable Scope？ #

当然有办法！TensorFlow的variable_scope默认会继承父作用域的重用状态和名称前缀，但你可以通过两种方式打破这种继承：

• 使用绝对作用域名称：在作用域名称前加斜杠/，TensorFlow会把它当作根作用域，完全不继承父作用域的任何属性。示例代码：

  with tf.variable_scope("parent_scope"):
      # 父作用域内的逻辑
      with tf.variable_scope("/independent_scope"):
          # 这个作用域完全独立，与parent_scope无关
          var = tf.get_variable("my_var", shape=[1])
  

  此时var的名称是independent_scope/my_var:0，而非parent_scope/independent_scope/my_var:0。

• 显式指定重用状态：创建variable_scope时设置reuse参数（比如reuse=False），就能摆脱父作用域的重用状态继承。如果连名称前缀都不想继承，还是用第一种绝对作用域的方式更直接。示例：

  with tf.variable_scope("parent_scope"):
      with tf.variable_scope("child_scope", reuse=False):
          # 子作用域不继承父作用域的重用状态
          new_var = tf.get_variable("new_var", shape=[2])
  

2. 在新作用域内重用embedding_matrix并让call_embd拥有Embedding/embedding_matrix名称？ #

假设你的embedding_matrix是在Embedding作用域下创建的，比如：

with tf.variable_scope("Embedding"):
    embedding_matrix = tf.get_variable("embedding_matrix", shape=[1000, 128])

这里提供两种实用方法实现你的需求：

方法一：通过张量名称直接获取 #

直接用tf.get_tensor_by_name()定位已有的张量，call_embd会直接复用原张量，名称自然就是Embedding/embedding_matrix:0（注意要加:0后缀，这是TensorFlow张量的默认输出索引）：

def get_call_embd():
    call_embd = tf.get_tensor_by_name("Embedding/embedding_matrix:0")
    return call_embd

这种方式无需额外作用域管理，简单直接。

方法二：通过作用域重用机制获取 #

进入Embedding作用域并设置reuse=True，用tf.get_variable()获取已创建的变量：

def get_call_embd():
    with tf.variable_scope("Embedding", reuse=True):
        call_embd = tf.get_variable("embedding_matrix")
    return call_embd

这种方式更贴合TensorFlow的作用域管理逻辑，能清晰表达你是在重用该作用域下的变量，call_embd的名称同样是Embedding/embedding_matrix:0。

注意：如果embedding_matrix是普通张量（不是通过tf.get_variable()创建的变量），方法一依然适用，但方法二无法生效——因为tf.get_variable()只能获取通过它创建的变量。

内容的提问来源于stack exchange，提问作者Yanghoon