tensorflow變量的使用（02-2）

import tensorflow as tf

x=tf.Variable([1,2])
a=tf.constant([3,3])

sub=tf.subtract(x,a)    #增加一個減法op
add=tf.add(x,sub)   #增加一個加法op

#注意變量再使用之前要再sess中做初始化，但是下邊這種初始化方法不會指定變量的初始化順序
init=tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(sub))
    print(sess.run(add))


#################分割線#####################
#創建一個名字為‘counter’的變量 初始化0
state=tf.Variable(0,name='counter')
new_value=tf.add(state,1)   #創建一個op，作用是使state加1
update=tf.assign(state,new_value)  #賦值op
init=tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    print(sess.run(state))
    for _ in range(5):
        sess.run(update)
        print(sess.run(state))

看上邊的代碼，你會注意到與普通的編程有些區別：

1. tensorflow中會用到init=tf.global_variables_initializer()，這種變量初始化的東西，但是明明在上邊定義的時候已經初始化了啊，哈哈，這只能說你在python中確實初始化了，但是在tf的session中你並沒有初始化；
2. update=tf.assign(state, new_value) 賦值操作，直接用接口而不是用等號，這也就說明tensorflow不是用python實現的，是有c++實現的，你如果想把python中的值在session中修改，必須要用這種接口的方式

 

目錄：

1. tensorflow簡介、目錄
2. tensorflow中的圖（02-1）
3. tensorflow變量的使用（02-2）
4. tensorflow中的Fetch、Feed（02-3）
5. tensorflow版helloworld---擬合線性函數的k和b（02-4）
6. tensorflow非線性回歸（03-1）
7. MNIST手寫數字分類simple版（03-2）
8. 二次代價函數、交叉熵(cross-entropy)、對數似然代價函數（log-likelihood cost）(04-1)
9. 多層網絡通過防止過擬合，增加模型的准確率（04-2）
10. 修改優化器進一步提升准確率（04-3）
11. 手寫數字識別-卷積神經網絡cnn（06-2）
12. 循環神經網絡rnn與長短時記憶神經網絡簡述（07-2）
13. 循環神經網絡lstm代碼實現（07-3）
14. tensorflow模型保存和使用08
15. 下載inception v3  google訓練好的模型並解壓08-3
16. 使用inception v3做各種圖像分類識別08-4
17. word2vec模型訓練簡單案例
18. word2vec+textcnn文本分類簡述及代碼