TensorFlow学习笔记（二）--Variable变量

最新推荐文章于 2024-11-29 23:13:53 发布

TCFM

最新推荐文章于 2024-11-29 23:13:53 发布

阅读量462

点赞数

分类专栏：机器学习笔记文章标签： TensorFlow python 深度学习

机器学习笔记专栏收录该内容

11 篇文章

订阅专栏

本文介绍了TensorFlow中如何定义变量及初始化方法，包括直接初始化、基于其他变量初始化和自定义初始化等，适合初学者快速上手。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

TensorFlow中变量是利用Variable()来定义的，格式是：

import tensorflow as tf

state = tf.Variable(0,name='counter')
print(state.name)

output=>counter:0

以上是输出state变量的名字和数值。

初始化：

使用tf.global_variables_initializer()添加一个操作对变量做初始化。记得在完全构建好模型并加载之后再运行那个

操作。

#创建两个变量，weights和biases.
weights = tf.Variable(tf.random_normal([784, 200], stddev=0.35),name="weights")
biases = tf.Variable(tf.zeros([200]), name="biases")
...
#添加一个op来初始化所有变量。
init_op = tf.global_variables_initializer()
#然后启动模型
with tf.Session() as sess:
#运行op.
 sess.run(init_op)

由另一个变量初始化：

用其它变量的值初始化一个新的变量时，使用其它变量的initialized_value()属性。你可以直接把已初始化的值作为

新变量的初始值，或者把它当做tensor计算得到一个值赋予新变量。

#创建一个随机变量.
weights = tf.Variable(tf.random_normal([784, 200], stddev=0.35),
name="weights")
# 创建另外一个叫w2其值为weights的变量.
w2 = tf.Variable(weights.initialized_value(), name="w2")
# 再次创建一个叫w_twice其值也为weights的变量
w_twice = tf.Variable(weights.initialized_value() * 0.2, name="w_twice")

自定义初始化：

tf.global_variables_initializer()函数便捷地添加一个op来初始化模型的所有变量。你也可以给它传入一组变量进

行初始化。