tensorflow源码分析（1）

variable类：

       通过实例化Variable类可以添加一个变量到graph，在使用变量之前必须对变量显示的初始化，初始化可以使用assign为变量赋值也可以通过变量本身的initializer方法。

      

     上图主要是介绍在graph中默认有两个变量得colletion，其中一个是gloable variable collection，会存放所有得变量，另一个是trainable variable collection，会把标识trainable=True的变量也存放到trainable collection中。

     

初始化参数：

Initial_value: tensor或者是python的可以转化成tensor的对象

Trainable:如果是true，该变量也会被存放到TRAINABLE_VARIABLES的collection，如果是false，会只存放在GLOBAL_VARIABLES的collection中

Collection:指定collection，新变量会被放到该collection中

Validate_shape:如果是false，变量的维度可以是未知的，但如果是true，变量的维度必须被指定

Caching_device:可选项，配置该变量缓存的设备

Name:可选项，变量的名字，默认是Variable

Variable_def: 与protocol buffer有关（todo）

Dtype: 如果设置该选项Initial_value会被设置成该类型，如果Initial_value本身就是tensor类型就保持不变，如果不是会调用convert_to_tensor接口

Expected_shape:如果设置该选项变量会被设置成相应的shape

Import_scope:名字的有效区间，只在从protocol buffer中初始化变量时会用到

Constraint:设定在optimizer更新该变量后会触发的接口

 

API功能概述：

  1) tf.Variable（）接口，在python环境中创建一个variable

  2) __init__（）是Variable对象的初始化函数，使用Variable创建对象时会默认执行__init__()函数，在该函数中主要根据参数的传入选择以何种方式创建variable：从protocol buffer和从参数创建，会分别调用_init_from_proto()和_init_from_args

3) context.executing_eagerly()因为该版本Variable不支持eager exection mode，只支持graph mode，所以需要检测上下文环境是否在eager环境下，如果在直接返回

4)_init_from_args()该部分只介绍从参数创建variable，该接口会接收_init_全部的参数，来完成初始化工作,还包括对参数的解析和类型检查

5)convert_to_tensor()该接口主要是把initial_value参数转化成tensor格式，在tensorflow中数据的表达格式是tensor，所以需要对传入的python类型的参数转化

6)variable_op_v2该接口主要是创建一个variable的op

7)assign()该接口主要功能是为variable的op赋值，把已经转化成tensor的initial_value赋值给创建的variable OP

8)add_to_collection()该接口主要是把variable加入到相应的collection中，默认是在default graph

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

上图主要是介绍在graph中默认有两个变量得colletion，其中一个是gloable variable collection，会存放所有得变量，另一个是trainable variable collection，会把标识trainable=True的变量也存放到trainable collection中。