Diferencia entre Variable y get variable en TensorFlow

Tf.Variable es una clase, y hay varias formas de crear tf.Variable incluyendo tf.Variable.__init__ y tf.get_variable.

Tf.Variable.__init__: Crea una nueva variable con valor_inicial.

W = tf.Variable(<initial-value>, name=<optional-name>)

Tf.get_variable: Obtiene una variable existente con estos parámetros o crea una nueva. También puede usar inicializador.

W = tf.get_variable(name, shape=None, dtype=tf.float32, initializer=None,
       regularizer=None, trainable=True, collections=None)

Es muy útil usar inicializadores como xavier_initializer:

W = tf.get_variable("W", shape=[784, 256],
       initializer=tf.contrib.layers.xavier_initializer())

Más información en https://www.tensorflow.org/versions/r0.8/api_docs/python/state_ops.html#Variable .

Puedo encontrar dos diferencias principales entre una y la otra:

1. Primero es que tf.Variable siempre creará una nueva variable, si tf.get_variable obtiene del gráfico una variable existente con esos parámetros, y si no existe, crea una nueva.

2. tf.Variable requiere que se especifique un valor inicial.

Es importante aclarar que la función tf.get_variable prefigura el nombre con el ámbito de la variable actual para realizar comprobaciones de reutilización. Por ejemplo:

with tf.variable_scope("one"):
    a = tf.get_variable("v", [1]) #a.name == "one/v:0"
with tf.variable_scope("one"):
    b = tf.get_variable("v", [1]) #ValueError: Variable one/v already exists
with tf.variable_scope("one", reuse = True):
    c = tf.get_variable("v", [1]) #c.name == "one/v:0"

with tf.variable_scope("two"):
    d = tf.get_variable("v", [1]) #d.name == "two/v:0"
    e = tf.Variable(1, name = "v", expected_shape = [1]) #e.name == "two/v_1:0"

assert(a is c)  #Assertion is true, they refer to the same object.
assert(a is d)  #AssertionError: they are different objects
assert(d is e)  #AssertionError: they are different objects

El último error de aserción es interesante: Dos variables con el mismo nombre bajo el mismo ámbito se supone que son la misma variable. Pero si prueba los nombres de las variables d y e se dará cuenta de que Tensorflow cambió el nombre de la variable e:

d.name   #d.name == "two/v:0"
e.name   #e.name == "two/v_1:0"