今天我們來認識TensorFlow下的scope命名方法~

TensorFlow中有兩個作用域函數專門用來處理變數共享的需求問題 (生成影像和真實影像經過判別器的時候，需要共享一套變量)，分別為 variable_scope (變數域) 和 name_scope (命名域)；這兩個作用域函數通常會與兩個建立/呼叫變數的函數搭配使用(下列兩個函數)。

tf.variable_scope(<scope_name>)
tf.get_variable(<name>, <shape>, <initializer>)

(這裡會使用 tf.get_variable() 而不是 tf.Varible()，是因為前者擁有一個變數檢查機制，會自動偵測已經存在的變數是否設定為共享變數，如若還沒有設定成共享變量，TensorFlow在運行到第二個相同變數名稱的變數時，會顯示錯誤訊息。)

variable_scope、name_scope兩者差異 :
前者透過可以設定重用標誌以及初始化方式來影響域下的變數；後者作用於操作。

這兩種作用域，在使用 tf.Variable()方式建立的變量，有相同的效果(皆會在變數名稱前面加上域名稱)。

variable_scope : (可以透過 tf.name_scope 或 tf_scope 建立)
能夠達到重複利用變數的效果。

name_scope : (可以透過 tf.variable_scope 或 tf.variable_op_scope 建立)