Significado de los parámetros de tensorflow variable_scope de Tensorflow

Actualmente estoy leyendo un código fuente para una biblioteca delgada que se basa en Tensorflow y usan el argumento de los values para el método variable_scope , como aquí .

Desde la página de la API puedo ver:

Este administrador de contexto valida que los valores (opcionales) son del mismo gráfico, garantiza que el gráfico sea el gráfico predeterminado y empuja un ámbito de nombre y un ámbito de variable.

Mi pregunta es: ¿las variables de los values solo se verifican si son del mismo gráfico? ¿Cuáles son los casos de uso para esto y por qué alguien lo necesitará?

El parámetro variable_scope ayuda a garantizar la singularidad de las variables y la reutilización de las variables cuando se desee.

Sí, si creas dos o más gráficos de computación diferentes, entonces no necesariamente compartirían el mismo ámbito de variables; sin embargo, hay formas de compartirlos entre gráficos, por lo que la opción está ahí.

Los casos de uso primarios para el ámbito de aplicación variable son para RNN donde muchas de las ponderaciones están vinculadas y reutilizadas. Esa es una razón por la que alguien lo necesitaría. La otra razón principal es que hay que asegurarse de que está reutilizando las mismas variables cuando se refiere explícitamente y no por accidente. (Para configuraciones distribuidas esto puede convertirse en una preocupación).