爲什麼損失在添加額外推理後重新更改值= True

Question

在張量流示例cifar10中，損失值在我爲圖重新添加= True的情況下再添加一個推理後發生變化。

原：

2016-11-13 06:08:04.936044: step 0, loss = 4.68 (6.5 examples/sec; 
19.787 sec/batch) 

我的變化後：

2016-11-13 06:00:50.400917: step 0, loss = 7.05 (6.4 examples/sec; 20.109 sec/batch) 

我不明白爲什麼。所有的變化我提出如下列，

1）在cifar10_train.py，我添加一條線，

logits = cifar10.inference(images, reuse = False) 
logits2 = cifar10.inference(images, reuse=True) 

2）cifar10.py，我添加重用inference()

def inference(images, reuse): 
    with tf.variable_scope('conv1', reuse) as scope: 
...... 

然後我發現損失值是完全不同的。

原：

2016-11-13 06:08:04.936044: step 0, loss = 4.68 (6.5 examples/sec; 19.787 sec/batch) 

我的變化後：

2016-11-13 06:00:50.400917: step 0, loss = 7.05 (6.4 examples/sec; 20.109 sec/batch) 

這是爲什麼？

Answer 1

參數重用是真正的手段logits和logits2使用相同的模型來獲得它們的輸出，如果重用是假，logits和logits2來自不同的模型 更多信息，明白我說的，你可以看這個：https://www.tensorflow.org/programmers_guide/variable_scope