TensorFlow之变量OP

TensorFlow变量是表示程序处理的共享持久状态的最佳方法。变量通过 tf.Variable OP类进行操作。变量的特点：

存储持久化
可修改值
可指定被训练

1 创建变量

tf.Variable(initial_value=None,trainable=True,collections=None,name=None)
- initial_value:初始化的值
- trainable:是否被训练
- collections：新变量将添加到列出的图的集合中collections，默认为[GraphKeys.GLOBAL_VARIABLES]，如果trainable是True变量也被添加到图形集合 GraphKeys.TRAINABLE_VARIABLES
变量需要显式初始化，才能运行值

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()


def variable_demo():
    """
    变量的演示
    :return:
    """
    # 定义变量
    a = tf.Variable(initial_value=30)
    b = tf.Variable(initial_value=40)
    sum = tf.add(a, b)

    # 初始化变量
    init = tf.global_variables_initializer()

    # 开启会话
    with tf.Session() as sess:
        # 变量初始化
        sess.run(init)
        print("sum:\n", sess.run(sum))

    return None


if __name__ == '__main__':
    variable_demo()

2.5.2 使用tf.variable_scope()修改变量的命名空间

会在OP的名字前面增加命名空间的指定名字

with tf.variable_scope("name"):
    var = tf.Variable(name='var', initial_value=[4], dtype=tf.float32)
    var_double = tf.Variable(name='var', initial_value=[4], dtype=tf.float32)

<tf.Variable 'name/var:0' shape=() dtype=float32_ref>
<tf.Variable 'name/var_1:0' shape=() dtype=float32_ref>

示例代码1：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

#  定义变量
a = tf.Variable(initial_value=30)
b = tf.Variable(initial_value=40)
c = tf.add(a, b)

#  初始化变量
init = tf.global_variables_initializer()

#  开启会话
with tf.Session() as sess:
    #  变量初始化
    sess.run(init)
    print('a:', a)
    print('c:', sess.run(c))

TensorFlow之变量OP

示例代码2：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

with tf.variable_scope('name'):
    #  定义变量
    a = tf.Variable(initial_value=30, dtype=tf.float32)
    b = tf.Variable(initial_value=40, name='var', dtype=tf.float32)
    c = tf.add(a, b)

#  初始化变量
init = tf.global_variables_initializer()

#  开启会话
with tf.Session() as sess:
    #  变量初始化
    sess.run(init)
    print('a:', a)
    print('b:', b)
    print('c:', sess.run(c))

TensorFlow之变量OP