Tensorflow tf.layers，tf.contrib.layers與變量作用域不起作用

Question

我開始使用TensorFlow進行一些簡單的Q-學習，但在試圖使用變量作用域時使用tf.layers和tf.contrib.layers構建的圖層時遇到了麻煩。簡而言之，我想將相同的圖層應用於不同的輸入張量（例如，保存當前和下一個Q值）。下面是使用tf.layers一個小例子：

import tensorflow as tf 

inp1 = tf.placeholder(tf.float64, (4,1)) 
inp2 = tf.placeholder(tf.float64, (4,1)) 

def process(inp): 
    with tf.variable_scope("foo", reuse=True): 
     return tf.layers.dense(inp, 12, name="bar", reuse=True) 

process(inp1) 
process(inp2) 

試圖執行該代碼提供了以下異常：

ValueError: Variable foo/bar/kernel does not exist, or was not created with 
tf.get_variable(). Did you mean to set reuse=None in VarScope? 

我的理解是設置在tf.layers.dense()reuse=True使得它試圖找到一個已定義的層，其中它可能無法做到。但是，如果我將呼叫更改爲tf.layers.dense(inp, 12, name="bar")，則它會因相同的例外而失敗。

如果我在tf.variable_scope()設置reuse=None，那麼後一個版本的process(inp2)進行，除了通話過程中失敗：不幸的是，使用tf.contrib.layers時發生

ValueError: Variable foo/bar/kernel already exists, disallowed. 
Did you mean to set reuse=True in VarScope? 

類似的錯誤。

我的問題是：有沒有辦法使tf.layers工作與變量範圍？我知道我可以分別定義權重和偏差，但最好保留tf.layers給出的抽象。非常感謝！

我的設置是在Windows 10（通過64位Anaconda 4.4.0上的pip安裝）上運行Python 3.6.1的TensorFlow 1.3.0（CPU）。

P.S.我在this presentation的第17頁找到了圖層的可變範圍的使用。

Answer 1

兩個錯誤是不同的：第一個發生在process(inp1)，它試圖找到存在的變量，但沒有;第二個發生在process(inp2)，其中存在相同名稱的變量，但它嘗試創建一個具有相同名稱的新變量，不允許。

我想你想重用這些變量進行Q學習。所以解決辦法很簡單：第一次定義這些變量時，不要使用reuse，那麼你可以設置reuse=True。

在您給出的演示文稿中，我想他們已經在之前定義了變量。

這個guide會幫助你下更多。