tensorflow 学习笔记 之 Variable

1)为什么tensorflow要Variable来定义变量，而不用直接采用python语言的方式定义变量？

变量有作用域，普通python变量分局部变量和全局变量，函数体外定义的变量成为全局变量,在函数内部定义的变量称为局部变量。

tf.Variable定义的变量，可以看作图（Graph）作用域变量，相当有计算图中的一个节点（操作），可以这个变量和某个计算图绑定，这样可以通过计算图来共享这个变量，当我们为计算图某层权值参数定义为Variable时，不同的函数都可以访问该参数值，特别是优化函数，可以在训练时更新权值。

2）创建变量方法

w = tf.Variable(<initial-value>, name=<optional-name>)

创建变量的最佳方式是调用 tf.get_variable 函数。此函数要求您指定变量的名称。其他副本将使用此名称访问同一变量，以及在对模型设置检查点和导出模型时指定此变量的值。tf.get_variable 还允许您重复使用先前创建的同名变量，从而轻松定义重复利用层的模型。

my_variable = tf.get_variable("my_variable", [1, 2, 3])

先去集合中找有没有"my_variable"这个变量，如果有直接返回这个变量，如果没有，新建一个变量，并将其加入变量集中。

3）变量集合

新建Variable变量会默认放在这两个集合中

• tf.GraphKeys.GLOBAL_VARIABLES - 可以在多台设备间共享的变量，
• tf.GraphKeys.TRAINABLE_VARIABLES - TensorFlow 将计算其梯度的变量。

如果不希望变量可训练，可以将其添加到 tf.GraphKeys.LOCAL_VARIABLES 集合中。

也可以使用自己的集合。集合名称可为任何字符串，且您无需显式创建集合。

4）初始化变量

要在训练开始前一次性初始化所有可训练变量，用 tf.global_variables_initializer()。此函数会返回一个操作，负责初始化 tf.GraphKeys.GLOBAL_VARIABLES 集合中的所有变量。

5）使用变量

要为变量赋值，使用 assign、assign_add 方法以及 tf.Variable 类中的友元

6）共享变量

TensorFlow 支持两种共享变量的方式：

• 显式传递 tf.Variable 对象。
• 将 tf.Variable 对象隐式封装在 tf.variable_scope 对象内。