做类似事情的目的是什么
with tf.name_scope('Layer1') as n1:
w = tf.Variable(tf.truncated_normal((50*50, 120), mean=0, stddev=0.01))
b = tf.Variable(tf.zeros([120]))
o = tf.nn.relu(tf.matmul(X, w)+b)
我想这是为了提高可读性，以便您可以在代码块（name_scope）之外重用变量名，而不会产生更深远的有意义的后果。
我什么时候使用它，有什么合适的方案？为了让tensorflow练习者经常使用name_score？
还可以有人给我一个示例，说明sess.graph.get_tensor_by_name()在name_scope的上下文中如何工作吗？
答案 0 :(得分：1)
因此，它的名称范围当然可以在代码中用于可读性。但它也可用于获取保存在图形中的张量的名称。例如，当您尝试在Tensorboard中表示数据或通过名称获取张量时，这非常有用！
答案 1 :(得分：0)
Namescope用于将操作划分为它们的范围，以易于阅读和提取。例如，您的ResNet具有不同的残差层，或者Inception具有不同的Inception层，则可以使用名称范围将这些层进行分组，例如ResLayer1，ResLayer2或InceptionLayer1，InceptionLayer2，在不同范围内创建相同的图层。
此外，在加载模型时，可以通过填充图形节点，然后按正确的标号为每一层查找相关节点，从而轻松提取操作和张量。例如您训练了模型，然后将训练有素的'.pb'模型文件发送给我以进行部署，我不知道输入或输出节点是什么。但是，如果您已使用Namescope正确标记，则可以填充您的图形并查看其名称，并轻松运行该图形。我也可以用它访问不同的输出层。
@Ignacio Peletier提到的另一件事，当使用TensorBoard时，可视化的图形根据名称范围进行分组，从而可以轻松查看图形。