5、变量和可视化 | 易学教程

1、变量的创建

　变量也是一种op，是一种特殊的张量，能够进行存储持久化（用于保存参数，系数等），它的值就是张量，默认被训练

　　tf.Variable(initial_ value=None,name=None, trainable=True) （name表示在可视化中显示的名字）

　　创建-一个带值initial _value的新变量，initial_ value初始值，可以是随机的值

assign(value)

　　为变量分配一个新值，返回新值

eval(session=None)

　　计算并返回此变量的值

name 属性表示变量名字

1 import tensorflow as tf
2 import os
3 os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' #去掉警告，将警告级别提升
4 
5 a = tf.constant([1,2,3,4,5])
6 var = tf.Variable(tf.random.normal([2,3],mean=0.0,stddev=1.0)) #random.normal从正态分布中输出随机值,平均值0.0，标准差1.0
7 print(a)
8 print(var)

输出：

Tensor("Const_1:0", shape=(5,), dtype=int32)
<tf.Variable 'Variable:0' shape=(2, 3) dtype=float32_ref>

2、变量的初始化（变量在进行run时，必须先要进行初始化）

 没有进行初始化 1 import tensorflow as tf
 2 import os
 3 os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' #去掉警告，将警告级别提升
 4 
 5 a = tf.constant([1,2,3,4,5])
 6 var = tf.Variable(tf.random.normal([2,3],mean=0.0,stddev=1.0)) #random.normal从正态分布中输出随机值,平均值0.0，标准差1.0

 7 with tf.Session() as sess:
 8     print(sess.run([a,var]))

输出：

Attempting to use uninitialized value Variable

 添加一个初始化所有变量的op（tf.global_variables_initializer()）在会话中开启

 1 import tensorflow as tf
 2 import os
 3 os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' #去掉警告，将警告级别提升
 4 
 5 a = tf.constant([1,2,3,4,5])
 6 var = tf.Variable(tf.random.normal([2,3],mean=0.0,stddev=1.0)) #random.normal从正态分布中输出随机值,平均值0.0，标准差1.0
 7 
 8 #在打印var之前必须做一个显示的初始化
 9 init_op = tf.global_variables_initializer()  #不需要传入值
10 
11 with tf.Session() as sess:
12     sess.run(init_op)   #必须运行初始化op
13     print(sess.run([a,var]))

输出：

[array([1, 2, 3, 4, 5]), array([[-0.11310391,  1.3286809 ,  0.06200764],
       [ 0.45713297, -0.33347377,  1.4530548 ]], dtype=float32)]

3、变量的作用域

来源：https://www.cnblogs.com/pengzhonglian/p/11848445.html

标签

可视化

初始化

变量

var