Tensorflow 变量

1、变量

Tensorflow使用变量来存储并更新参数；

# Create two variables.
weights = tf.Variable(tf.random_normal([784, 200], stddev=0.35),
                      name="weights")
biases = tf.Variable(tf.zeros([200]), name="biases")

2、常用生成tensor的一些方法

生成常量tensor：

tf.zeros(shape, dtype=tf.float32, name=None)
tf.zeros_like(tensor, dtype=None, name=None)#新建一个和给定tensor shape一样的全零tensor
tf.constant(value, dtype=None, shape=None, name='Const')
tf.fill(shape, value, name=None)#创建一个形状为shape,值为value的tensor
tf.ones_like(tensor, dtype=None, name=None)#新建一个和给定tensor shape一样的全1的tensor
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)
#正太分布生成随机数，mean:均值， stddev:标准差
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
#截断的正态分布函数。生成的值遵循一个正态分布，但不会大于平均值2个标准差
tf.random_uniform(shape, minval=0.0, maxval=1.0, dtype=tf.float32, seed=None, name=None)
#从均匀分布中返回随机值
tf.random_shuffle(value, seed=None, name=None)
#沿第一个维度随机置乱

3、初始化

当启动会话Session时，Variables（变量）必须被明确的初始化在你使用它们的值进行操作之前

使用tf.global_variable_initializer()对所有变量进行初始化；

实际上，variable初始化器操作只是赋值操作，赋值variable自己的初始化值给他自己