TensorFlow变量

在TensorFlow中，变量（tf.Variable）的作用就是保存和更新神经网络中的参数。TensorFlow中变量的初始值可以设置成随机数、常数或者是通过其他变量的初始值计算得到的。

• 随机数生成器

TensorFlow随机数生成函数

函数名称	随机数分布	主要参数
tf.random_normal	正态分布	平均值、标准差、取值类型
tf.truncated_normal	正态分布，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	平均值、标准差、取值类型
tf.random_uniform	均匀分布	最小、最大取值，取值类型
tf.random_gamma	Gamma分布	形状参数alpha、尺度参数beta、取值类型

• 常数

TensorFlow常数生成函数

函数名称	功能	样例
tf.zeros	产生全0的数组	tf.zeros([2, 3], int32) -> [[0, 0, 0], [0, 0, 0]]
tf.ones	产生全1的数组	tf.ones([2, 3], int32) -> [[1, 1, 1], [1, 1, 1]]
tf.fill	产生一个全部为给定数字的数组	tf.fill([2, 3], 9) -> [[9, 9, 9], [9, 9, 9]]
tf.constant	产生一个给定值的常量	tf.constant([1, 2, 3]) -> [1, 2, 3]

在神经网络中，偏置项bias通常会使用常数来设置初始值。

• 其他变量的初始值

weights = tf.Variable(tf.random_normal([2, 3], stddev = 2))
w = tf.Variable(weights.initializer_value() * 2.0)

在TensorFlow中，一个变量的值在被使用之前，这个变量的初始值过程需要被明确地调用。
TensorFlow提供了一种便捷的方式来完成变量初始化的过程，即通过tf.global_variables_initializer函数实现初始化所有变量的过程。

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

变量与张量的关系：在TensorFlow中，变量的声明函数tf.Variable是一个运算。这个运算的输出结果就是一个张量，这个张量也就是变量。所以变量只是一种特殊的张量。

变量最重要的两个属性：维度shape和类型type。（变量的类型是不可改变的，维度在程序运行中是有可能改变的，通过设置参数validate_shape=False。tf.assign函数实现两个变量之间的赋值操作。）

（最近更新：2019年04月12日）