无法共享密集/内核 - ValueError：尝试共享可变密集/内核

Question

我使用 Tensorflow 构建了一个 Deep-Q-Network。当我尝试创建其中的两个时（我想让网络与自己对战），我得到：ValueError: 试图共享变量密集/内核，但指定形状 (100, 160) 并找到形状 (9, 100)。这是我的网络：class QNetwork:    """    A Q-Network implementation    """    def __init__(self, input_size, output_size, hidden_layers_size, gamma, maximize_entropy, reuse):        self.q_target = tf.placeholder(shape=(None, output_size), dtype=tf.float32)        self.r = tf.placeholder(shape=None, dtype=tf.float32)        self.states = tf.placeholder(shape=(None, input_size), dtype=tf.float32)        self.enumerated_actions = tf.placeholder(shape=(None, 2), dtype=tf.int32)        self.learning_rate = tf.placeholder(shape=[], dtype=tf.float32)        layer = self.states        for l in hidden_layers_size:            layer = tf.layers.dense(inputs=layer, units=l, activation=tf.nn.relu,                                    kernel_initializer=tf.contrib.layers.xavier_initializer(),                                    reuse=reuse)        self.output = tf.layers.dense(inputs=layer, units=output_size,                                      kernel_initializer=tf.contrib.layers.xavier_initializer(),                                      reuse=reuse)        self.predictions = tf.gather_nd(self.output, indices=self.enumerated_actions)        if maximize_entropy:            self.future_q = tf.log(tf.reduce_sum(tf.exp(self.q_target), axis=1))        else:            self.future_q = tf.reduce_max(self.q_target, axis=1)        self.labels = self.r + (gamma * self.future_q)        self.cost = tf.reduce_mean(tf.losses.mean_squared_error(labels=self.labels, predictions=self.predictions))        self.optimizer = tf.train.AdamOptimizer(learning_rate=self.learning_rate).minimize(self.cost)这段代码失败了：q1 = QNetwork(9, 9, [100, 160, 160, 100], gamma=0.99, maximize_entropy=False, reuse=tf.AUTO_REUSE)q2 = QNetwork(9, 9, [100, 160, 160, 100], gamma=0.99, maximize_entropy=False, reuse=tf.AUTO_REUSE)知道如何解决这个问题吗？（运行 TF 1.10.1，Python 3.6.5）

Answer 1

解决了。

我需要：

• 给每一层一个唯一的名字

• 将所有内容放在variable_scope一起reuse=tf.AUTO_REUSE（对于 Adam 优化器）