tensorflow API：tf.Variable

原文：官网

一个Variable变量通过run()保存流程图中的状态；创建一个变量，即创建一个Variable类的实例加入graph中

Variable()构造器要求变量有初始化值，初始化值给出了Tensor的类型和形状。变量创建以后，变量的type和shape都被固定，变量的值可以通过assign方法改变。

如果想改变变量的shape，通过使用assign方法，并且设置validate_shape = False

可以通过其他变量初始化现有的变量，并且变量之间的算术运算也能再现有的graph中加入新节点。

流程如下：

import tensorflow as tf

#创建变量

w = tf.Variable(, name=)

# 用变量构建graph

y = tf.matmul(w, …another variable or tensor…)

#操作符被重载

z = tf.sigmoid(w + y)

# 通过

assign()

或者related method给变量赋新值。

w.assign(w + 1.0)

w.assign_add(1.0)

当我们启动graph的时候，运行各个操作（ops）用到了图里的变量值，那变量必须在这之前被明确的初始化。可以运行variable的initializer ，从文件恢复（restoring）变量，或者赋值（assigne）操作给变量赋值。

例子：

在一个会话里启动图。

with tf.Session() as sess:
# Run the variable initializer.
sess.run(w.initializer)

..现在可以用使用操作w的运算符了（ops）…**

The most common initialization pattern is to use the convenience function global_variables_initializer() to add an Op to the graph that initializes all the variables. You then run that Op after launching the graph.

最常使用的初始化模式是用global_variables_initializer()添加一个op到已有的图中，这个操作会初始化图中所有的变量，

添加一个op作为全局变量初始化操作符。

init_op = tf.global_variables_initializer()

在会话（session）里启动图。

with tf.Session() as sess:
# 运行可以初始化全局变量的这个操作符。
sess.run(init_op)
...现在可以运行任意的变量了...

当需要用其他变量初始化现有变量时，用其他变量的initialized_value()方法，这保证变量正确的被初始化。

全部的变量都自动被收集到创建得图上。默认的构造器添加新变量到collection GraphKeys.GLOBAL_VARIABLES中。可以用global_variables()函数得到collection全局的上下文

在构建一个机器学习模型的时候，经常需要区别哪些变量是该模型控制的可训练的参数，哪些变量是全局变量用来计数训练步骤等，因此所有的变量构造器支持一个trainable=的参数。如果设为True，这个新变量添加到collection GraphKeys.TRAINABLE_VARIABLES中，表示是模型控制的可训练参数。可以用trainable_variables()函数得到collection可训练的上下文。

各种优化器类使用此collection优化变量的默认列表