36、TensorFlow深入探索：变量、梯度计算与模型构建

TensorFlow深入探索：变量、梯度计算与模型构建

1. TensorFlow变量的使用

1.1 变量的创建

在TensorFlow中，变量（Variable）是一种特殊的张量对象，用于存储和更新模型训练过程中的参数。创建变量时，需要提供初始值。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)
b = tf.Variable(initial_value=[1, 2, 3], name='var_b')
print(b)
c = tf.Variable(initial_value=[True, False], dtype=tf.bool)
print(c)
d = tf.Variable(initial_value=['abc'], dtype=tf.string)
print(d)

变量有一个 trainable 属性，默认值为 True 。高级API（如Keras）会使用该属性来管理可训练和不可训练的变量。可以通过以下方式定义不可训练的变量：

w = tf.Variable([1, 2, 3], trainable=False)
print(w.trainable)

1.2 变量值的修改

可以使用 .ass