TensorFlow学习（2） 变量

1.变量（Variable）

在TensorFlow中，变量(Variable)是特殊的张量(Tensor)，它的值可以是一个任何类型和形状的张量。
与其他张量不同，变量存在于单个 session.run 调用的上下文之外，也就是说，变量存储的是持久张量，当训练模型时，用变量来存储和更新参数。除此之外，在调用op之前，所有变量都应被显式地初始化过。

2.创建及使用变量

import tensorflow as tf

x = tf.Variable([1, 2])
a = tf.constant([3, 3])

sub = tf.subtract(x, a)  # 增加一个减法op
add = tf.add(x, sub)  # 增加一个加法op

# 注意变量再使用之前要再sess中做初始化，但是下边这种初始化方法不会指定变量的初始化顺序
init = tf.global_variables_initializer()#全局变量初始化
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(sub))
    print(sess.run(add))


# 创建一个名字为‘counter’的变量 初始化0
state = tf.Variable(0, name='counter')
new_value = tf.add(state, 1)  # 创建一个op，作用是使state加1
update = tf.assign(state, new_value)  # 赋值op,不能直接用等号赋值，作用是 state = new_value，借助tf.assign()函数
init = tf.global_variables_initializer()#全局变量初始化

with tf.Session() as sess:
    sess.run(init)
    print(sess.run(state))
    for _ in range(5):#循环5次
        sess.run(update)
        print(sess.run(state))

注意：

• 所有变量在session使用前必须初始化，可以使用全局变量初始化语句
  在session创建后，也需运行init，进行初始化操作。（详见上述代码）

init = tf.global_variables_initializer()
sess.run(init)

• 使某个变量等于另一个变量，不能直接使用等号，而是需要使用tf.assign()函数，使其相等。

update = tf.assign(state, new_value) # 作用是 state = new_value

3.结果展示