TensorFlow 1.8中RNNCell变量无需手动复用？版本差异及困惑

这个问题其实涉及到TensorFlow不同版本对RNN变量管理的优化，以及RNNCell变量共享的正确方式，我来帮你理清其中的逻辑：

1. 不同TensorFlow版本的自动复用差异 #

你观察到的两种截然不同的结果，核心是TensorFlow版本对RNN变量作用域的优化：

• 在TensorFlow r0.12这类旧版本中，RNNCell的变量并不会自动复用。当你在同一个tf.variable_scope下多次调用cell的__call__方法时，每次都会尝试创建新的变量，所以必须手动添加if time_step > 0: tf.get_variable_scope().reuse_variables()来告诉框架“复用已有的变量”，否则就会抛出你遇到的错误：

  ValueError: Variable Model/RNN/MultiRNNCell/Cell0/BasicLSTMCell/Linear/Matrix already exists, disallowed.

• 而在你实验的较新版本中，TensorFlow对RNN的变量管理做了优化：当你在同一个变量作用域内，循环调用同一个RNNCell实例时，框架会自动检测并复用已创建的变量，无需手动调用reuse_variables()。你打印tf.all_variables()看到没有重复变量，就是这个优化在起作用。

2. 同一作用域创建多个RNNCell对象不共享变量的原因 #

你提到的“同一变量作用域中创建多个RNNCell对象，每个对象都会创建自己的变量”是正常现象，因为：
每个RNNCell实例都是一个独立的变量容器——哪怕在同一个作用域下，只要你新建了一个RNNCell对象（比如重复执行cell = BasicLSTMCell(...)），就会生成一套全新的变量。

如果想要共享变量，正确的姿势是复用同一个RNNCell实例，而不是创建多个对象。比如你原来代码中的循环逻辑：先创建好一个cell对象，然后在循环里反复调用这个cell的__call__方法，这样才能实现变量共享。

总结一下 #

• 新版本TensorFlow对RNN变量复用做了简化，循环调用同一个cell实例时，无需手动设置复用，框架自动处理；
• 要实现RNN变量共享，必须复用同一个cell实例，创建多个cell对象必然会生成独立的变量集合。

内容的提问来源于stack exchange，提问作者Joey