TensorFlow变量

一个TensorFlow变量是表示由程序操作的共享持久状态的最佳方法。

变量通过tf $变量类。一个tf $变量表示一个张量，它的值可以通过对其运行操作来改变。特定的操作允许你读取和修改这个张量的值。像Keras这样的高级库使用tf $变量存储模型参数。本指南涵盖了如何创建、更新和管理tf $变量在TensorFlow中。

创建一个变量

要创建变量，只需提供初始值

图书馆(tensorflow)my_variable < -特遣部队＄变量(特遣部队＄0（形状（1，2，3.)））

这就创建了一个变量，它是一个具有形状的三维张量[1,2,3]全是0。默认情况下，此变量将具有dtypetf float32美元．如果未指定dtype，则从初始值推断。

如果有一个tf美元的设备作用域激活，变量将被放置在该设备上;否则变量将被放置在与其dtype兼容的“最快”设备上(这意味着如果GPU可用，大多数变量将自动放置在GPU上)。例如，下面的代码片段创建了一个名为v并将其放在第二个GPU设备上:

与(特遣部队＄设备（“/设备:GPU: 1”), {v < -特遣部队＄变量(特遣部队＄0（c（10，10)））})

理想情况下，你应该使用tf发行美元API，因为它允许您编写一次代码，并使其在许多不同的分布式设置下工作。

要使用a的值tf $变量在一个TensorFlow图中，简单地把它当作一个正常的tf美元张量：

v < -特遣部队＄变量（0）w < -v+1# w是一个tf。张量是根据v的值计算的。任何时候在表达式中使用变量时，它都会自动得到#转换为表示其值的tf$张量。

若要为变量赋值，请使用方法分配，assign_add，和朋友在一起tf $变量类。例如，下面是如何调用这些方法:

v < -特遣部队＄变量（0）v＄assign_add（1）

# # <特遣部队。变量'UnreadVariable' shape=() dtype=float32, numpy=1.0>

大多数TensorFlow优化器都有专门的操作，可以根据一些类似梯度下降的算法有效地更新变量的值。看到tf keras优化优化器美元美元以了解如何使用优化器。

还可以显式读取变量的当前值read_value：

v < -特遣部队＄变量（0）v＄assign_add（1）

# # <特遣部队。变量'UnreadVariable' shape=() dtype=float32, numpy=1.0>

v＄read_value（）

## tf.Tensor(1.0, shape=()， dtype=float32)

当最后引用到tf $变量超出作用域时释放内存。