tf.Variable()和tf.get_variable()的使用方法和相同点

# tf.Variable() variable 且以大写字母开头，该函数在于定义一个变量

import tensorflow as tf

a1 = tf.Variable(1, name='a1')                                                # 用变量初始化
a2 = tf.Variable(tf.constant(1), name='a2')                                   # 用变量初始化
a3 = tf.Variable(tf.random_normal(shape=[2,3], mean=0, stddev=1), name='a3')  # 用随机数初始化 
a4 = tf.Variable(tf.ones(shape=[2,3]), name='a4')                             # 用one矩阵初始化 
 
init = tf.global_variables_initializer()  #输出数据时必须要全局初始化
 
with tf.Session() as sess:
    sess.run(init)
    print sess.run(a1)
    print sess.run(a2)
    print sess.run(a3)

# tf.get_variable()：可根据 name 值，返回该变量，如果该 name 不存在的话，则会进行创建；

# 定义常量
a5 = tf.get_variable(name='a5', initializer=22) 
# 定义正态分布的随机变量 
a6 = tf.get_variable(name='a6', shape=[2,3], initializer=tf.random_normal_initializer(mean=0, stddev=1))  
# 定义常量向量
a7 = tf.get_variable(name='a7', shape=[1], initializer=tf.constant_initializer(1))  
# 全是1的矩阵
a8 = tf.get_variable(name='a8', shape=[2,3], initializer=tf.ones_initializer())  

init = tf.global_variables_initializer()  #输出数据时必须要全局初始化
  
with tf.Session() as sess:  
    sess.run(init)  
    print sess.run(a5)  
    print sess.run(a6)  
    print sess.run(a7)  
    print sess.run(a8)

tf.get_variable(name,  shape, initializer): name就是变量的名称，shape是变量的维度，initializer是变量初始化的方式，初始化的方式有以下几种：

tf.constant_initializer：常量初始化函数

tf.random_normal_initializer：正态分布

tf.truncated_normal_initializer：截取的正态分布

tf.random_uniform_initializer：均匀分布

tf.zeros_initializer：全部是0

tf.ones_initializer：全是1

tf.uniform_unit_scaling_initializer：满足均匀分布，但不影响输出数量级的随机值