1、定义---简单一句话“参数”
我们使用变量Variables去更新参数。变量在内存中。
2、创建
例子：
# Create two variables.
weights = tf.Variable(tf.random_normal([784, 200], stddev=0.35),
name="weights")
biases = tf.Variable(tf.zeros([200]), name="biases")
生成tensor的一些方法
生成tensor：
tf.zeros(shape, dtype=tf.float32, name=None)
tf.zeros_like(tensor, dtype=None, name=None)
tf.constant(value, dtype=None, shape=None, name='Const')
tf.fill(dims, value, name=None)
tf.ones_like(tensor, dtype=None, name=None)
tf.ones(shape, dtype=tf.float32, name=None)
生成序列
tf.range(start, limit, delta=1, name='range')
tf.linspace(start, stop, num, name=None)
生成随机数
tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
tf.random_uniform(shape, minval=0.0, maxval=1.0, dtype=tf.float32, seed=None, name=None)
tf.random_shuffle(value, seed=None, name=None)
例子
import tensorflow as tf
import numpy as np
# 生成0和1矩阵
v1 = tf.Variable(tf.zeros([3,3,3]), name="v1")
v2 = tf.Variable(tf.ones([10,5]), name="v2")
#填充单值矩阵
v3 = tf.Variable(tf.fill([2,3], 9))
#常量矩阵
v4_1 = tf.constant([1, 2, 3, 4, 5, 6, 7])
v4_2 = tf.constant(-1.0, shape=[2, 3])
#生成等差数列
v6_1 = tf.linspace(10.0, 12.0, 30, name="linspace")#float32 or float64
v7_1 = tf.range(10, 20, 3)#just int32
#生成各种随机数据矩阵
v8_1 = tf.Variable(tf.random_uniform([2,4], minval=0.0, maxval=2.0, dtype=tf.float32, seed=1234, name="v8_1"))
v8_2 = tf.Variable(tf.random_normal([2,3], mean=0.0, stddev=1.0, dtype=tf.float32, seed=1234, name="v8_2"))
v8_3 = tf.Variable(tf.truncated_normal([2,3], mean=0.0, stddev=1.0, dtype=tf.float32, seed=1234, name="v8_3"))
v8_4 = tf.Variable(tf.random_uniform([2,3], minval=0.0, maxval=1.0, dtype=tf.float32, seed=1234, name="v8_4"))
v8_5 = tf.random_shuffle([[1,2,3],[4,5,6],[6,6,6]], seed=134, name="v8_5")
# 初始化
init_op = tf.initialize_all_variables()
# 保存变量，也可以指定保存的内容
saver = tf.train.Saver()
#saver = tf.train.Saver({"my_v2": v2})
#运行
with tf.Session() as sess:
sess.run(init_op)
# 输出形状和值
print tf.Variable.get_shape(v1)#shape
print sess.run(v1)#vaule
# numpy保存文件
np.save("v1.npy",sess.run(v1))#numpy save v1 as file
test_a = np.load("v1.npy")
print test_a[1,2]
#一些输出
print sess.run(v3)
v5 = tf.zeros_like(sess.run(v1))
print sess.run(v6_1)
print sess.run(v7_1)
print sess.run(v8_5)
#保存图的变量
save_path = saver.save(sess, "/tmp/model.ckpt")
#加载图的变量
#saver.restore(sess, "/tmp/model.ckpt")
print "Model saved in file: ", save_path
3、初始化
此处使用 <font color="#4590a3" size = "3px">tf.initialize_all_variables()</font> 用于初始化变量。但是这句话仍然不会立即执行。需要通过sess来将数据流动起来 。
例子
# Create two variables.
weights = tf.Variable(tf.random_normal([784, 200], stddev=0.35),
name="weights")
biases = tf.Variable(tf.zeros([200]), name="biases")
...
# Add an op to initialize the variables.
init_op = tf.initialize_all_variables()
# Later, when launching the model
with tf.Session() as sess:
# Run the init operation.
sess.run(init_op)
...
# Use the model
...
4、实例讲解
例子
#-*-coding:UTF-8-*-
import tensorflow as tf
state = tf.Variable(0 , name='counter')
one = tf.constant(1)
new_value = tf.add(state,one)
update = tf.assign(state,new_value)
init = tf.initialize_all_variables()
with tf.Session() as sess:
sess.run(init)
for _ in range(3):
sess.run(update)
print(sess.run(state))
<font color="#4590a3" size = "4px">#--coding:UTF-8--</font>
这句话是指定*.py的编码方式，如果文件中涉及到中文汉字的话，有必要写一下这句话。当然也可以这样写：encoding:UTF-8
<font color="#4590a3" size = "4px">import tensorflow as tf</font>
这句话是导入tensorflow 模块
<font color="#4590a3" size = "4px">state = tf.Variable(0 , name='counter')</font>
使用tensorflow在默认的图中创建节点，这个节点是一个变量。
<font color="#4590a3" size = "4px">one = tf.constant(1)</font>
此处调用了td的一个函数，用于创建常量。
<font color="#4590a3" size = "4px">new_value = tf.add(state,one)</font>
对常量与变量进行简单的加法操作，这点需要说明的是： 在TensoorFlow中，所有的操作op，变量都视为节点，tf.add() 的意思就是在tf的默认图中添加一个op，这个op是用来做加法操作的。
<font color="#4590a3" size = "4px">update = tf.assign(state,new_value)</font>
这个操作是：赋值操作。将new_value的值赋值给update变量。
在这里，需要再次说明：我们此时只是定义好了图，并没有变量并没有初始化。目前只有state的值是1。
<font color="#4590a3" size = "4px">init = tf.initialize_all_variables()</font>
此处用于初始化变量。但是这句话仍然不会立即执行。需要通过sess来将数据流动起来 。
切记：所有的运算都应在在session中进行：
<font color="#4590a3" size = "4px">with tf.Session() as sess:</font>
此处自动开启一个session
<font color="#4590a3" size = "4px"> sess.run(init) </font>
对变量进行初始化，执行（run）init语句
<font color="#4590a3" size = "4px">for _ in range(3):
sess.run(update)
print(sess.run(state))</font>
循环3次，并且打印输出。
