36、TensorFlow深入探索：从变量到模型实战

TensorFlow深入探索：从变量到模型实战

1. TensorFlow变量基础

在TensorFlow中，变量（Variable）是一种特殊的张量对象，用于在训练过程中存储和更新模型的参数。创建变量时，需要提供初始值。变量有一个 trainable 属性，默认值为 True ，像Keras这样的高级API会利用该属性来管理可训练和不可训练的变量。

1.1 创建不同类型的变量

可以通过调用 tf.Variable 类并传入用户指定的初始值来创建变量。以下是创建不同类型变量的示例代码：

import tensorflow as tf

a = tf.Variable(initial_value=3.14, name='var_a')
print(a)
# <tf.Variable 'var_a:0' shape=() dtype=float32, numpy=3.14>

b = tf.Variable(initial_value=[1, 2, 3], name='var_b')
print(b)
# <tf.Variable 'var_b:0' shape=(3,) dtype=int32, numpy=array([1, 2, 3], dtype=int32)>

c = tf.Variable(initial_value=[True, False], dtype=tf.bool)
print(c)
# <tf.Variable 'Variable:0' shape=(2,