二-Variable的使用

import tensorflow as tf

 

x=tf.Variable([1,2])

a=tf.constant([3,3])

#增加一个减法op

sub=tf.subtract(x,a)

#增加一个加法op

add=tf.add(x,sub)

 

init=tf.global_variables_initializer()

 

with tf.Session() as sess:

    sess.run(init)

    print(sess.run(sub))

print(sess.run(add))

 

注意：

1tensorflow中要使用变量Variable的话，必须先对它进行初始化操作，否则会报错

2 tf.global_variables_initializer() 是对全局的Variable进行初始化

 

 

第二个程序（输出自增1）：

#创建一个变量初始化为0

state=tf.Variable(0,name='counter')

#创建一个op，作用是使state加1

new_value=tf.add(state,1)

#赋值op

update=tf.assign(state,new_value)

#变量初始化

init=tf.global_variables_initializer()

 

with tf.Session() as sess:

    sess.run(init)

print(sess.run(state))

#print(state)

    for _ in range(5):

        sess.run(update)

        print(sess.run(state))

注意：

1上面注释的print(state)，如果执行，会这样输出：

<tf.Variable 'counter_4:0' shape=() dtype=int32_ref>

而如果执行print(sess.run(state))，会输出： 0

可以看到区别了

 

2如果执行print(update)，会这样输出：

Tensor("Assign_3:0", shape=(), dtype=int32_ref)

可以这样理解tensorflow的语句：

语句中等号 = 左边是一定是输出的数据（tensor或者Variable），而且一定与等号右边的tf函数内的参数有某种数值关系。另外，想操控任何数据必须通过建立操作节点op。实际上tensorflow有两个阶段，一个是计算图的构建阶段（构建数据和操作节点），一个是整个计算图的执行阶段。