tf.Variable

Vatiable是tensorflow的變量節點，通過Variable方法創建，並且需要傳遞初始值。在使用前需要通過tensorflow的初始化方法進行初始化

創建方法

W = tf.Variable(
                initial_value=tf.zeros([9, 5]),  
                        # 初始值，必填，張量或可以轉換為張量的Python對象。初始值必須有指定一個形狀，除非`validate_shape`設置為False。
                trainable=True,  
                        # 如果`True`，則默認值也將變量添加到圖形中集合`GraphKeys.TRAINABLE_VARIABLES`。
                        #這個集合用作“Optimizer”類使用的默認變量列表
                collections=None,  
                        # 圖表集合鍵的列表。新的變量被添加到這些集合。默認為`[GraphKeys.GLOBAL_VARIABLES]`。
                validate_shape=True, 
                        # 如果`False`，允許變量用初始化未知形狀的值。如果“True”，默認的形狀`initial_value`必須是已知的。
                 caching_device=None,  
                        # 可選設備字符串，描述變量的位置應該被緩存以供閱讀。默認為變量的設備。如果不是“None”，則緩存在另一個設備上。
                        #典型的用途是緩存在使用變量 的Ops所在的設備上進行重復數據刪除復制`Switch`和其他條件語句。
                 name='W',  
                        # 變量的可選名稱。默認為“Variable”並獲取自動去重（Variable_1,Variable_2....）。
                 variable_def=None,
                        # `VariableDef`協議緩沖區。如果不是“無”，則重新創建變量對象及其內容，引用變量的節點在圖中，必須已經存在。
                        #圖形沒有改變。`variable_def`和其他參數是互斥的。
                dtype=tf.float32,
                        # 如果設置，initial_value將被轉換為給定的類型。如果`None'，數據類型將被保存
                        #（如果`initial_value`是一個張量），或者“convert_to_tensor”來決定。
                expected_shape=None,  
                        # 張量的Shape。如果設置，initial_value需要符合這個形狀。
                 import_scope=None
                        # 可選的字符串。名稱范圍添加到`Variable.`僅在從協議緩沖區初始化時使用。
                    )