TensorFlow函数——tf.variable( )

最新推荐文章于 2025-07-14 17:41:07 发布

翻译最新推荐文章于 2025-07-14 17:41:07 发布 · 2.8w 阅读

文章标签：

#TensorFlow

TensorFlow 专栏收录该内容

7 篇文章

订阅专栏

本文介绍如何在TensorFlow中创建、初始化、使用及管理变量。包括使用Variable类创建变量的方法、如何在图中使用变量进行计算操作，以及变量的初始化、赋值等关键步骤。

（本文是翻译TensorFlow官网中的tf.variable()函数）

（变量）：创建，初始化，保存和加载
您可以通过构造类Variable的实例向图中添加变量。

Variable（）构造函数需要变量的初始值，它可以是任何类型和形状的Tensor（张量）。初始值定义变量的类型和形状。施工后，变量的类型和形状是固定的。该值可以使用其中一种赋值方式进行更改。

如果要稍后更改变量的形状，则必须使用带有validate_shape = False的赋值操作。

就像任何Tensor（张量）一样，使用Variable（）创建的变量可以用作图中其他操作的输入。另外，Tensor类重载的所有操作符都被转载到变量中，所以您也可以通过对变量进行算术，将节点添加到图形中。

import tensorflow as tf
# Create a variable.（创建一个变量）
w = tf.Variable(<initial-value>, name=<optional-name>)
# Use the variable in the graph like any Tensor.（使用图形中的变量，如任何张量.)
y = tf.matmul(w, ...another variable or tensor...)(tf.matmul参数为w,其他变量或张量)
# The overloaded operators are available too.（重载运算符也可用。）
z = tf.sigmoid(w + y)
# Assign a new value to the variable with `assign()` or a related method.
#使用`assign（）'或相关方法为变量赋值一个新值。
w.assign(w + 1.0)
w.assign_add(1.0)

当您启动图时，Variables（变量）必须被明确的初始化在你使用它们的值进行操作之前，你可以通过1运行其初始化器操作初始化variables，2从保存文件中还原variable，或者3仅仅运行一个赋值操作给variable赋值。实际上，variable初始化器操作只是赋值操作，赋值variable自己的初始化值给他自己（In fact, the variable initializer op is just an assign Op that assigns the variable’s initial value to the variable itself.）

# Launch the graph in a session.（在会话中启动图形）
with tf.Session() as sess:    
    # Run the variable initializer.（运行variable初始化器。）
sess.run(w.initializer)    
# ...you now can run ops that use the value of 'w'...（你现在可以运行使用'w'值的进行操作）

最常见的初始化模式是使用一个便利函数global_variables_initializer( )，将一个可以初始化所有variable的操作添加到图中（the graph）。然后启动图（graph）后运行该操作

# Add an Op to initialize global variables.（添加一个操作去初始化所以variable）
init_op = tf.global_variables_initializer()

# Launch the graph in a session.（在一个session中启动图）
with tf.Session() as sess:    
    # Run the Op that initializes global variables.（运行初始化全局Variable的操作）
sess.run(init_op)    
# ...you can now run any Op that uses variable values...（现在你可以运行所有使用任何variable值的操作）

如果需要创建一个取决于另一个variable的初始值的variable，请使用另一个variable的initialized_value（）。这样可以确保以正确的顺序初始化变量。（下面仅是在官网找的一个例子，详细的可以去官网查一下这个函数）

# Initialize 'v' with a random tensor.
v = tf.Variable(tf.truncated_normal([10, 40]))
# Use `initialized_value` to guarantee that `v` has been
# initialized before its value is used to initialize `w`.
# The random values are picked only once.
w = tf.Variable(v.initialized_value() * 2.0

所有variables都会自动收集到创建它们的图中。默认情况下，构造函数将新变量添加到Graph集合GraphKeys.GLOBAL_VARIABLES。这个便利函数global_variables（）返回该集合的内容。

在构建机器学习模型时，通常可以方便地区分保存可训练模型参数的variable（变量）和其他variable，例如用于计算训练步骤的全局步长variable（变量）。为了使这更容易，变量构造函数支持trainable = 参数。如果为True，则新variable也将添加到图集合GraphKeys.TRAINABLE_VARIABLES中。

便利函数trainable_variables（）返回此集合的内容。各种Optimizer类使用此集合作为要优化的变量的默认列表。