Tensorflow笔记3：Variable

  调用Variable类即可向Graph中添加变量。Variable在创建之后需要给定初始值，可以是任意type、shape的Tensor。一旦使用初始值完成了初始化，type和shape都固定，除非使用assign方法改变。

一、Variable基本使用方法

  给定了init_value并没有真正进行赋值，还需要初始化，初始化方法有两种：

• 单变量手动初始化：每个Variable都有initializer操作，调用方法为：

my_tensor = tf.constant([[1.0, 2.0], [3.0, 4.0]])
w = tf.Variable(initial_value=my_tensor, name="W")
with tf.Session() as sess:
	sess.run(w.initializer) # 这个是propeties不是方法，没有()

• 全局变量统一初始化：一般在launch整个Graph之前进行全局所有变量的初始化。使用**global_variables_initializer()**方法做为一个Op添加进图中，也需要run：

init_op = tf.compat.v1.global_variables_initializer()
with tf.Session() as sess:
	sess.run(init_op)

  关于Variable还有两个重要的、关于collection的方法：

• tf.global_variables()：在确定的Graph中，每创建一个变量，都会在GraphKeys.GLOBAL_VARIABLES中进行新增。因此调用此函数可以获取到此图中所有变量。
• tf.trainable_variables()：ML中要区分可训练参数和不可训练参数（训练轮次），不可训练要求时需要在定义时设定trainable=False。默认可训练，系统自动将此变量添加在GraphKeys.TRAINABLE_VARIABLES中，通过此函数返回可训练参数集合，进一步送入Optimizer中进行指定。

二、Variable的构造函数

  构造函数具有非常多的值传入，但一般只需要考虑initial_value和name即可，对参数具体说明如下：

__init__(
    initial_value=None,	# Tensor，此变量的初始值
    trainable=None,	# 若为True，此变量将自动被加入GraphKeys.TRAINABLE_VARIABLES
    collections=None,	# 若不指定，则默认添加入[GraphKeys.GLOBAL_VARIABLES]中
    validate_shape=True,	# 若False，允许初始值为未知；若True，初始值必须已知
    caching_device=None,
    name=None,	# 可选命名，默认为'Variable'并自动添加下标
    variable_def=None,
    dtype=None,	# 若设定，initial_value会转化为此种type；若None，根据initial_value自动指定
    expected_shape=None,
    import_scope=None,	# 可选字符串，向Variable中添加的Name scope
    constraint=None,
    use_resource=None,
    synchronization=tf.VariableSynchronization.AUTO,
    aggregation=tf.VariableAggregation.NONE,
    shape=None	# 若None，使用initial_value的shape
)