tensorflow入门之Variable

tensorflow中很重要的一个部分就是Variable,它能构建一个变量，在计算图的运算过程中，其值会一直保存到程序运行结束，而一般的tensor张量在tensorflow运行过程中只是在计算图中流过，并不会保存下来，因此varibale主要用来保存tensorflow构建的一些结构中的参数，这样，这些参数才不会随着运算的消失而消失，才能最终得到一个模型。比如神经网络中的权重和bias等，在训练过后，总是希望这些参数能够保存下来，而不是直接就消失了，所以这个时候要用到Variable。注意，所有和varible有关的操作在计算的时候都要使用session会话来控制，包括计算，打印等等。

# -*- coding: utf-8 -*-
"""
Created on Mon Apr  3 11:07:29 2017

@author: zhangshaoxing
"""

import tensorflow as tf
a=tf.Variable(1)
b=tf.constant(1)     #定义变量a=0和常量1,并且定义a的自加运算aplus1和更新a的值得操作update"""
aplus1=tf.add(a,b)
update=tf.assign(a,aplus1)

#设置完变量之后，必须要对变量进行初始化工作，变量才能使用
init=tf.initialize_all_variables()
with tf.Session() as sess:
    sess.run(init)          #运行初始化变量的计算
    for i in range(10):    #循环10次，查看a逐渐自加1的结果     
       sess.run(update)     #执行变量a的自加运算
       print(sess.run(a))    #打印变量a也需要用session.run

运行结果:
2
3
4
5
6
7
8
9
10
11

您的赞助将是我不断创作的最大动力，谢谢支持！！！
如果您觉得我的文章对您有帮助，可以通过以下方式进行赞赏：