重新整理tensorflow 1.x基本概念（2）

Variable
在tensorflow中，用variable表示可以改变其值的特殊tensor，是用于表示程序处理的共享持久状态的推荐方法。许多高级的库（如 tf.keras）使用 tf.Variable 来存储模型参数。

1.创建变量

要创建变量，请提供一个初始值。tf.Variable 与初始值的 dtype 相同

my_tensor = tf.constant([[1.0, 2.0], [3.0, 4.0]])
my_variable = tf.Variable(my_tensor)

# Variables can be all kinds of types, just like tensors
bool_variable = tf.Variable([False, False, False, True])
complex_variable = tf.Variable([5 + 4j, 6 + 1j])

变量与张量的定义方式和操作行为都十分相似，实际上，它们都是 tf.Tensor 支持的一种数据结构。与张量类似，变量也有 dtype 和形状，并且可以导出至 NumPy。
大部分张量运算在变量上也可以按预期运行，不过变量无法重构形状。

2.运算和赋值

变量由张量提供支持。您可以使用 tf.Variable.assign 重新分配张量。调用 assign是现有张量的内存进行重新赋值的操作。

a = tf.Variable([2.0, 3.0])
# This will keep the same dtype, float32
a.assign([1, 2]) 
# Not allowed as it resizes the variable: 
try:
  a.assign([1.0, 2.0, 3.0])
except Exception as e:
  print(f"{type(e).__name__}: {e}")

以上会输出error，因为变量的shape不能改变

从现有变量创建新变量会复制支持张量。两个变量不能共享同一内存空间。

a = tf.Variable([2.0, 3.0])
# Create b based on the value of a
b = tf.Variable(a)
a.assign([5, 6])