tf.Variable

tf.Variable

__init__(
    initial_value=None,
    trainable=True,
    collections=None,
    validate_shape=True,
    caching_device=None,
    name=None,
    variable_def=None,
    dtype=None,
    expected_shape=None,
    import_scope=None
)

功能說明：

維護圖在執行過程中的狀態信息，例如神經網絡權重值的變化。

參數列表：

參數名	類型	說明
initial_value	張量	Variable 類的初始值，這個變量必須指定 shape 信息，否則后面 validate_shape 需設為 False
trainable	Boolean	是否把變量添加到 collection GraphKeys.TRAINABLE_VARIABLES 中（collection 是一種全局存儲，不受變量名生存空間影響，一處保存，到處可取）
collections	Graph collections	全局存儲，默認是 GraphKeys.GLOBAL_VARIABLES
validate_shape	Boolean	是否允許被未知維度的 initial_value 初始化
caching_device	string	指明哪個 device 用來緩存變量
name	string	變量名
dtype	dtype	如果被設置，初始化的值就會按照這個類型初始化
expected_shape	TensorShape	要是設置了，那么初始的值會是這種維度

示例代碼：

import tensorflow as tf
initial= tf.truncated_normal(shape=[10,10],mean=0,stddev=1)
W=tf.Variable(initial)
list=[[1.,1.],[2.,2.]]
X=tf.Variable(list,dtype=tf.float32)
ini_op=tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(ini_op)
    print(sess.run(W[:2,:2]))

    op=W[:2,:2].assign(22.*tf.ones((2,2)))
    print(sess.run(op))
    print (W.eval())  #Usage with the default session
    print ("#####################(6)#############")
    print (W.dtype)
    print (sess.run(W.initial_value))
    print (sess.run(W.op))
    print (W.shape)
    print ("###################(7)###############")
    print (sess.run(X))