from http://blog.csdn.net/appleml/article/details/53668237
  1. import tensorflow as tf  
  2. with tf.name_scope("hello") as name_scope:  
  3.     arr1 = tf.get_variable("arr1", shape=[2,10],dtype=tf.float32)  
  4.   
  5.     print (name_scope)  
  6.     print (arr1.name)  
  7.     print ("scope_name:%s " % tf.get_variable_scope().original_name_scope)  

运行后的结果如下：

hello/
arr1:0
scope_name:  

 
  1. import tensorflow as tf  
  2. with tf.name_scope('hidden') as scope:  
  3.   a = tf.constant(5, name='alpha')  
  4.   W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0), name='weights')  
  5.   b = tf.Variable(tf.zeros([1]), name='biases')  
  6.   print (a.name)  
  7.   print (W.name)  
  8.   print (b.name)  

运行的结果：

 

hidden/alpha:0
hidden/weights:0
hidden/biases:0

红色字体要强调的部分所以把字体改成了红色，理解name_scope 对 tf.get_variable()的作用和 tf.Variable()的不同