超级会员免费看
本文介绍了TensorFlow中变量的创建、管理，包括如何初始化、保存和恢复模型参数。通过案例展示了变量的使用，强调了变量在计算图中的重要性，并详细解释了tf.get_variable和tf.Variable的区别。同时，文章还探讨了模型的保存与恢复机制，包括Saver模块的使用，以及如何在训练过程中保存和加载模型。
上一篇文章：TensorFlowX.Y核心基础与AI模型设计02:AI模型编程常用（一）
AI模型编程常用（二）
7、创建变量
对于神经网络而言,参数是一个重要的组成部分。一个网络中往往包含大量的参数。在 TensorFlow 中,变量的作用就是保存网络中的参数,网络参数的更新就是相应变量值的重新赋值。
在TensorFlow中，变量(Variable)是特殊的张量(Tensor)，它的值可以是一个任何类型和形状的张量。与其他张量不同，变量存在于单个 session.run 调用的上下文之外，也就是说，变量存储的是持久张量，当训练模型时，用变量来存储和更新参数。除此之外，在调用op之前，所有变量都应被显式地初始化过。变量的初始值可以设置成随机数。这样的做法(将网络参数设置成随机数)在实际应用中是很常见的,比如下面这段代码 :
weights= tf.Variable(tf
订阅专栏 解锁全文
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
