声明和初始化变量张量

当值需要在会话中更新时，使用可变张量。在创建神经网络时，它是用于权重矩阵的张量类型，因为这些值将在训练模型时更新。

可以使用 tf.Variable() 或 tf.get_variable() 函数来声明变量张量。建议使用 tf.get_variable，因为它提供了更多的灵活性，例如：

# Declare a 2 by 3 tensor populated by ones
a = tf.Variable(tf.ones([2,3], dtype=tf.float32))
a = tf.get_variable('a', shape=[2, 3], initializer=tf.constant_initializer(1))

需要注意的是，声明变量张量不会自动初始化值。使用以下方法之一启动会话时，需要显式初始化值：

• tf.global_variables_initializer().run()
• session.run(tf.global_variables_initializer())

以下示例显示了声明和初始化变量张量的完整过程。

# Build a graph
graph = tf.Graph()
with graph.as_default():
    a = tf.get_variable('a', shape=[2,3], initializer=tf.constant_initializer(1), dtype=tf.float32))     # Create a variable tensor

# Create a session, and run the graph
with tf.Session(graph=graph) as session:
    tf.global_variables_initializer().run()  # Initialize values of all variable tensors
    output_a = session.run(a)            # Return the value of the variable tensor
    print(output_a)                      # Print this value

其中打印出以下内容：

[[ 1.  1.  1.]
 [ 1.  1.  1.]]