【Tensorflow 大马哈鱼】tf.add_to_collection，tf.get_collection 和tf.add_n的用法

tf.add_to_collection：把变量放入一个集合，把很多变量变成一个列表

tf.get_collection：从一个结合中取出全部变量，是一个列表

tf.add_n：把一个列表的东西都依次加起来

如果是run变量，则更新cross_entropy_mean值

如果继续add_to_collection则是在列表中增加变量

如果tf.global_variables_initializer()，则全部初始化

import tensorflow as tf
tf.reset_default_graph()

sess=tf.Session()
#初始化2个Variable
v1=tf.Variable(tf.constant(1))
v2=tf.Variable(tf.constant(1))
#把v1和v2添加到默认graph的collection中
tf.add_to_collection('collection',v1)
tf.add_to_collection('collection',v2)
#获得名为name的集合
sess.run(tf.global_variables_initializer())
print(sess.run('Variable:0'))
sess.run(v1)
sess.run(v2)
c1 = tf.get_collection('collection')

print("the first collection: %s"%sess.run(c1))    #[1, 1]
#修改v1和v2的值,必须使用eval()或run()进行执行
sess.run(tf.assign(v1,tf.constant(3)))   
sess.run(tf.assign(v2,tf.constant(4)))
#再次查看collection中的值
c2 = tf.get_collection('collection')
print("the second collection: %s"%sess.run(c2))    #[3, 4]
print("the sum of collection: %s"%sess.run(tf.add_n(c2)))    #7

'''接着往下看'''
v1=tf.Variable(tf.constant(1))
v2=tf.Variable(tf.constant(1))
tf.add_to_collection('collection',v1)
tf.add_to_collection('collection',v2)
#print(sess.run('Variable_2:0')) 会报错，因为第四个变量并没有初始化  
sess.run(tf.global_variables_initializer())
print(sess.run('Variable:0'))         #1,第一个变量又初始化为1了
print(sess.run('Variable_1:0'))       #1，第二个变量又初始化为1了
sess.run(v1)        #1,这是第三个变量
sess.run(v2)        #1,这是第四个变量
sess.run(tf.assign(v1,tf.constant(3)))   
sess.run(tf.assign(v2,tf.constant(4)))
c2 = tf.get_collection('collection')
print(c2)  #输出了4个变量
#[ <tf.Variable 'Variable:0' shape=() dtype=int32_ref>, 
#  <tf.Variable 'Variable_1:0' shape=() dtype=int32_ref>, 
#  <tf.Variable 'Variable_2:0' shape=() dtype=int32_ref>, 
#   <tf.Variable 'Variable_3:0' shape=() dtype=int32_ref> ]
print("the second time collection: %s"%sess.run(c2))    #[1, 1, 3, 4]