tensorflow中tf.get_variable()函数详解

如果变量存在，函数tf.get_variable()会返回现有的变量；如果变量不存在，会根据给定形状和初始值创建一个新的变量。

def get_variable(name, 
                 shape=None, 
                 dtype=None,
                 initializer=None, 
                 regularizer=None, 
                 trainable=True, 
                 collections=None, 
                 caching_device=None,
                 partitioner=None,
                 validate_shape=True,
                 use_resource=None,
                 custom_getter=None,
                 constraint=None)

常用参数有：

name：变量名称
shape：变量维度
initializer：变量初始化方式
regularizer：正规化
caching_device：可选的设备字符串或函数描述

还有tf.Variable()函数，

tf.Variable(initial_value=None, 
            trainable=True, 
            collections=None, 
            validate_shape=True, 
            caching_device=None, 
            name=None, 
            variable_def=None, 
            dtype=None, 
            expected_shape=None, 
            import_scope=None)

两者区别：
1、使用tf.Variable()时，如果检测到命名冲突，系统会自己处理。使用tf.get_variable()时，系统不会处理冲突，而会报错。
2、对于这两个函数的特性，当我们需要共享变量的时候，需要使用tf.get_variable()。在其他情况下，这两个的用法是一样的。