tf.Variable()

tf.Variable(initializer， name)
功能：保存和更新神经网络中的参数。
参数：(1)initializer:初始化参数(2)name:变量名
例子:

import tensorflow as tf  

#1.tensorflow随机数生成函数


#变量a是一个随机生成的满足正态分布[0,1]的，数据规模为2*2矩阵的数据。其中mean表示为期望（均值），stddev表示为方差。
a= tf.Variable(tf.random_normal(shape=[2,2], mean=0, stddev=1), name='a')  

#变量b是...，但如果随机出来的值偏离平均值超过2个标准差，那么这个数将会被重新随机。
b=tf.Variable(tf.truncated_normal(shape=[2,2], mean=0, stddev=1),name='b')

#变量c是一个随机生成的数据规模为2*2矩阵的数据，其中矩阵中的元素大小满足（-2，2）
c=tf.Variable(tf.random_uniform(shape=[2,2],minval=-2,maxval=2,dtype=tf.float32,name='c'))


#2.tensorflow常数生成函数


e=tf.Variable(tf.zeros([1,2],tf.int32,name='e'))
f=tf.Variable(tf.ones([3,4],tf.int32,name='f'))
g=tf.Variable(tf.fill([5,6],1,name='g'))
h=tf.Variable(tf.constant([1,2,3],name='h'))

with tf.Session() as sess:  
    sess.run(tf. global_variables_initializer())  

    print(sess.run(a))
    print(sess.run(b))
    print(sess.run(c))

    print(sess.run(e))
    print(sess.run(f))
    print(sess.run(g))
    print(sess.run(h))

结果：
[[-0.38980678 0.30893806]
[-0.98391175 1.02173746]]
[[-0.07013009 -1.07275367]
[ 0.43275923 -1.85455608]]
[[-0.0278039 0.88930941]
[ 0.15009832 1.51027441]]
[[0 0]]
[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]
[[1 1 1 1 1 1]
[1 1 1 1 1 1]
[1 1 1 1 1 1]
[1 1 1 1 1 1]
[1 1 1 1 1 1]]
[1 2 3]