tensorflow之變量初始化tf.Variable的示例分析

這篇文章給大家分享的是有關tensorflow之變量初始化tf.Variable的示例分析的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。

默認本系列的的讀者已經初步熟悉tensorflow。

我們通過tf.Variable構造一個variable添加進圖中，Variable()構造函數需要變量的初始值（是一個任意類型、任意形狀的tensor），這個初始值指定variable的類型和形狀。通過Variable()構造函數后，此variable的類型和形狀固定不能修改了，但值可以用assign方法修改。

如果想修改variable的shape，可以使用一個assign op，令validate_shape=False.

通過Variable()生成的variables就是一個tensor，可以作為graph中其他op的輸入。另外，Tensor類重載的所有操作符都被轉載到此variables中，所以可以通過對變量調用方法，將節點添加到圖形中。

import tensorflow as tf

#創造variable.<initial-value>指定這個variable的type和shape
w = tf.Variable(<initial-value>, name=<optional-name>)

# 接著就可以把這個variable當做tensor運用在graph中.
y = tf.matmul(w, ...another variable or tensor...)

z = tf.sigmoid(w + y)

# 通過`assign()`和相關方法給這個w賦值
w.assign(w + 1.0)
w.assign_add(1.0)

一個graph啟動之前所有的variables必須都要賦值，實際上，變量初始化操作op只是一個賦值op，是將variables的初始值賦給variables自身。

# 在session中啟動graph.
with tf.Session() as sess:
 # variable初始化.
 sess.run(w.initializer)
 # ...現在可以運行使用'w'的op...

給variables初始化最簡單的方法就是global_variables_initializer()，可以直接初始化所有variables：

# 初始化所有variables 的op
init_op = tf.global_variables_initializer()

# 在session中啟動graph.
with tf.Session() as sess:
 # 啟動這個op
 sess.run(init_op)
 # ...現在可以運行使用variables的op...

但有時一個變量的初始化依賴于其他變量的初始化，但是為了確保初始化順序不能錯，可以使用initialized_value()。

感謝各位的閱讀！關于“tensorflow之變量初始化tf.Variable的示例分析”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！