tf.name_scope()详解

参考文献：
https://blog.****.net/jerr__y/article/details/60877873

命名空间其实就是给几个变量包一层名字，方便变量管理。函数是：tf.name_scope
另外，就像操作系统文件夹命名一样，不同的顶层文件夹下，可以有同名文件夹。这里，不同的命名空间下，可以有名字相同的变量。

import tensorflow as tf

with tf.name_scope('foo'):  # 原文代码为with tf.name_scope('conv1') as scope:，这里的as scope貌似没用
    weights1 = tf.Variable([1.0, 2.0], name='weights')
    bias1 = tf.Variable([0.3], name='bias')

# 下面是在另外一个命名空间来定义变量的
with tf.name_scope('bar'):
    weights2 = tf.Variable([4.0, 2.0], name='weights')
    bias2 = tf.Variable([0.33], name='bias')

# 所以，实际上weights1 和 weights2 这两个引用名指向了不同的空间，不会冲突
init = tf.global_variables_initializer()  # tensorboard中，变量初始化操作名称均为init
sess = tf.Session()
writer=tf.summary.FileWriter("logs", sess.graph)  # 文件写在该.py文件同级logs文件夹下,用  tensorboard --logdir=.  即可
sess.run(init)
print(weights1.name)  # foo/weights:0  0是什么意思？
print(weights2.name)  # bar/weights:0