我在学习GANs，并在尝试这里的示例。
下面的代码使用Adam优化器时出现了错误
“ValueError: Variable d_w1/Adam/ 不存在，或者不是通过tf.get_variable()创建的。你是否应该在VarScope中设置reuse=None?”
我使用的是TF 1.1.0
d_loss_real = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits=Dx, labels=tf.fill([batch_size, 1], 0.9)))d_loss_fake = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits=Dg, labels=tf.zeros_like(Dg)))d_loss = d_loss_real + d_loss_faketvars = tf.trainable_variables()d_vars = [var for var in tvars if 'd_' in var.name]g_vars = [var for var in tvars if 'g_' in var.name]# 训练鉴别器# 从GitHub版本的0.001增加with tf.variable_scope(tf.get_variable_scope(), reuse=False) as scope: # 接下来，我们指定两个优化器。在当今深度学习时代，Adam似乎是最好的SGD优化器，因为它利用了自适应学习率和动量。 # 我们调用Adam的minimize函数，并指定我们希望它更新的变量。 d_trainer_real = tf.train.AdamOptimizer(0.0001).minimize(d_loss_real, var_list=d_vars) d_trainer_fake = tf.train.AdamOptimizer(0.0001).minimize(d_loss_fake, var_list=d_vars)我认为Adam优化器将变量带入了它自己的命名空间，但出于某种原因它们没有被初始化。我在后面的代码中确实调用了global_variables_initializer，如GitHub页面所示。我正在查阅文档，我认为这可能与我需要在其中添加某种reuse_variables()调用有关，但我并不确定。
任何帮助都将不胜感激。
回答：
你的ValueError是由在variable_scope.reuse==True时创建新变量引起的。
当你调用Adam的minimize函数时，Adam会创建变量，用于保存图中每个可训练变量的动量。
实际上，代码”reuse=False”并没有如你所期望的那样工作。一旦你将reuse设置为True，它就永远无法再变回False，并且reuse状态将被其所有子作用域继承。
with tf.variable_scope(tf.get_variable_scope(), reuse=False) as scope: assert tf.get_variable_scope().reuse == True我猜你在发布代码之前的某个地方将reuse设置为了True，因此默认的variable_scope.reuse==True。然后你为Adam创建了一个新的variable_scope，然而，新作用域会继承默认作用域的reuse状态。然后，Adam在reuse==True的状态下创建变量，导致了错误。
解决方案是在你设置variable_scope.reuse=True时，在图的默认作用域下添加一个子作用域，这样默认作用域的reuse仍然是False，Adam.minimize就会正常工作。
