tensorflow学习2：tensorflow中的variable（变量）和placeholder()

变量：

      变量是tf 中一个十分重要的概念，在tf 中只有你声明了那个变量是个变量，那么它才是一个变量。说起来好像有点拗口，具体就是在声明一个变量的时候必须使用tf.Variable（）去声明那个变量。

变量在使用之前必须进行初始化！！！

state=tf.Variable(0)
one=tf.constant(1)
new_value=tf.add(state,one)
init=tf.global_variables_initializer() #变量必须初始化
with tf.Session() as sess:
    sess.run(init)  #执行变量初始化
    result2=sess.run(new_value) #执行运算
    print(result2)

placeholder：

     在tf 中每生成一个常量，ff都会在计算图中增加一个节点，一般来说神经网络都会进行很多次的迭代。如果每次都加一个节点那么计算图就会十分大。为了避免这一个问题，tf 中定义placeholder几只用于提供输入数据。它就相当于提供了一个位置，这个位置的数据在程序运行时再提供。

tf.palceholder(tf.float32,shape=(1,2),name='variable')

其中placeholder的类型是不可以改变的，也是在定义时必须要写的。另外两个参数不一定要给出。