TensorFlow中的name_scope函数的作用是创建一个参数名称空间，这个空间里包括许多参数，每个参数有不同的名字，这样可以更好的管理参数空间，防止变量命名时产生冲突。
# 这里的name_scope是创建了一个命名空间，相当于一个参数名称空间，这个空间Softmax_layer_and_output里存储了许多参数： # 包括softmax_w和softmax_b等。 with tf.name_scope("Softmax_layer_and_output"): softmax_w = tf.get_variable("softmax_w",[200,class_num],dtype=tf.float32) softmax_b = tf.get_variable("softmax_b",[class_num],dtype=tf.float32) 需要注意的是tf.Variable()和tf.get_variable()的区别：
从两个方法的名称上，可以简单理解一下，Variable是定义变量，而get_variable是获取变量（只不过如果获取不到就重新定义一个变量），如果按照这种逻辑，已经基本上可以理解两者的差异了。
文章来源: https://blog.csdn.net/qq_39488801/article/details/90768221