变量初始化变量的三种方式

tf.Variable() ：一般变量用这种方式定义。 * 可以选择 trainable 类型 *
tf.get_variable() ：一般都是和 tf.variable_scope() 配合使用，从而实现变量共享的功能。 * 可以选择 trainable 类型 *
【注意：】tf.get_variable()和tf.Variable()不是一回事！！两个的区别有好几处：
①比如，tf.Variable()在定义的时候必须初始化，而tf.get_variable()定义的时候可以先不进行初始化操作。
②想要进行变量共享，必须使用tf.get_variable()实现，搭配命名空间，以及reuse关键字的使用，就可以实现变量的共享；而tf.Variable()每次都会生成一个新的变量。

占位符[tf.placeholder()]并不是变量，待输入训练常量。** trainable==False **

 

变量的初始化操作的几种方式：
1.在定义的时候直接初始化，比如

b = tf.get_variable("b", b.shape, trainable=False, initializer=tf.constant_initializer(b))
2.在会话中使用sess.run()进行初始化，比如

sess.run(tf.global_variables_initializer())  # 初始化全局变量
sess.run(tf.local_variables_initializer())  # 初始化本地变量

3.如果只想要初始化一部分指定变量，使用：
sess.run(tf.variables_initializer(var_list))
其中，var_list是需要初始化的变量列表。

变量在使用前一定要进行初始化，且变量的初始化必须在模型的其它操作运行之前完成。变量的初始化有三种方式，如程序2-13所示：

程序2-13：

初始化全部变量、初始化变量的子集以及初始化单个变量。首先，global_variables_initializer()方法是不管全局有多少个变量，全部进行初始化，是最简单也是最常用的一种方式；variables_initializer()是初始化变量的子集，相比于全部初始化化的方式更加节约内存；Variable()是初始化单个变量，函数的参数便是要初始化的变量内容。通过上述的三种方式，我们便可以实现变量的初始化，放心的使用变量了。