目录

上下文管理器

上下文管理器的意思就是，在这个管理器下做的事情，会被这个管理器管着。 熟悉一点python的人都知道，with block与上下文管理器有着不可分割的关系。为什么呢？因为with Object() as obj:的时候，会自动调用obj对象的__enter__()方法，而当出去with block的时候，又会调用obj对象的__exit__方法。正是利用__enter__()和__exit__()，才实现类似上下文管理器的作用。

tensorflow中的name_scope和variable_scope 也是作为上下文管理器的角色。

name_scope

Graph中保存着一个属性_name_stack（string类型），_name_stack的值保存着当前的name_scope的名字，在这个图中创建的对象Variable、Operation、Tensor的名字之前都加上了这个前缀

arg_scope

arg_scope的目的是使用装饰器模式去封装相同的代码，比如没有使用arg_scope之前，代码如下： 

top1 = tf.nn.conv2d(bottom1, filter=[3,3,3,16], strides=[1,1,1,1], padding='SAME', data_format='NHWC')
bottom2 = tf.nn.relu(top1)
top2 = tf.nn.conv2d(bottom2, filter=[3,3,16,32], strides=[1,1,1,1], padding='SAME', data_format='NHWC')
bottom3 = tf.nn.relu(top2)
......

使用arg_scope后的代码如下所示： 

import tf.contrib.framework.arg_scope as arg_scope
with arg_scope([tf.nn.conv2d], strides=[1,1,1,1], padding='SAME', data_format='NHWC'):
    top1 = tf.nn.conv2d(bottom1, filter=[3,3,3,16])
    bottom2 = tf.nn.relu(top1)
    top2 = tf.nn.conv2d(bottom2, filter=[3,3,16,32])
    bottom3 = tf.nn.relu(top2)
    ......

参考