背景描述：編寫Adversarial Autoencoder的代碼，enocder部分的權(quán)值在對抗訓(xùn)練時會接受來自reconstruct和discriminator兩個方面的gradient，在初始化不同損失函數(shù)時，會出現(xiàn)問題。

問題代碼：

# initialize optimizers
self.loss_encoder_decoder, self.opt_encoder_decoder = self.optimizer_encoder_decoder()
self.loss_discriminator, self.opt_discriminator = self.optimizer_discriminator()
self.loss_encoder, self.opt_encoder = self.optimizer_encoder()

tensorflow錯誤輸出：
ValueError: Variable AAE/Encoder/layer_0/W/Adam/ already exists, disallowed. Did you mean to set reuse=True in VarScope?

其中各個函數(shù)如下，問題出現(xiàn)在上面代碼的第三行。

def optimizer_encoder_decoder(self):
    vars = self.encoder.vars
    vars.extend(self.decoder.vars)
    optimizer = tf.train.AdamOptimizer(learning_rate=self.learn_rate)
    return loss, optimizer.minimize(loss, var_list=vars)

def optimizer_discriminator(self):
    optimizer = tf.train.AdamOptimizer(learning_rate=self.learn_rate)
    return loss, optimizer.minimize(loss, var_list=self.disor.vars)

def optimizer_encoder(self):
    optimizer = tf.train.AdamOptimizer(learning_rate=self.learn_rate)
    return loss, optimizer.minimize(loss, var_list=self.encoder.vars)

問題猜想：
報錯的地方會產(chǎn)生一些“影子變量”用于optimizer對變量的更新（求出來的梯度？），故想辦法改變這些“影子變量”的scope就可以。

解決方法：
類AdamOptimizer創(chuàng)建的時候傳入name參數(shù)（不使用默認的參數(shù)），比如對于第三個函數(shù)optimizer_encoder：

def optimizer_encoder(self):
    optimizer = tf.train.AdamOptimizer(learning_rate=self.learn_rate, name='Adam_en')
    return loss, optimizer.minimize(loss, var_list=self.encoder.vars)