TensorFlow1.x入門（2）——變量的定義及其操作

系列文章

本教程有同步的github地址

0. 統領篇

1. 計算圖的創建與啓動

2. 變量的定義及其操作

3. Feed與Fetch

4. 線性迴歸

5. 構建非線性迴歸模型

6. 簡單分類問題

7. Dropout與優化器

8. 手動調整學習率與TensorBoard

9. 卷積神經網絡（CNN）

10. 循環神經網絡（RNN）

11. 模型的保存與恢復

知識點

變量：顧名思義就是可以變化的量，與之對應的是常量，常量在程序運行期間是不可以變的。
TensorFlow中的變量的含義與Python中變量的含義類似，都是用於存放數據的單位。

tf.Variable([1,2])代表定義了一個變量，並且賦值[1, 2]。
tf.subtract(x, y)代表減法操作，即x - y。
tf.add(x, y)代表加法操作，即x + y。
tf.assign(state, add_one)代表賦值操作，即將add_one賦值給state。

示例

#%% md
# 變量的定義及其操作
#%% md
導包
#%%
import tensorflow as tf
#%% md
創建變量x
#%%
x = tf.Variable([1,2])
#%%
x
#%% md
創建常量y
#%%
y = tf.constant([3, 3])
#%%
y
#%% md
創建減法操作
#%%
sub = tf.subtract(x, y)
#%%
sub
#%% md
創建加法操作
#%%
add = tf.add(x, y)
#%%
add
#%% md
全部變量進行初始化
#%%
init = tf.global_variables_initializer()
#%%
init
#%% md
創建會話Sess輸出結果
#%%
with tf.Session() as sess:
    init_res = sess.run(init)
    sub_res, add_res = sess.run([sub, add])
#%% md
`init_res`沒有輸出結果爲None
#%%
init_res, type(init_res)
#%%
sub_res
#%%
add_res
#%% md
## 實現數值的自增
#%% md
定義變量state
#%%
state = tf.Variable(0, name="counter")
#%%
state
#%% md
定義自增操作
#%%
add_one = tf.add(state, 1)
#%%
add_one
#%% md
定義賦值操作
#%%
update = tf.assign(state, add_one)
#%%
update
#%% md
初始化全部變量
#%%
init = tf.global_variables_initializer()
#%% md
定義會話進行結果的計算與輸出
#%%
with tf.Session() as sess:
    sess.run(init)
    state_res = sess.run(state)
    print(state_res)
    for _ in range(5):
#         add_one_res = sess.run(add_one)
        update_res = sess.run(update)
        state_res = sess.run(state)
#         print(add_one_res)
#         print(update_res)
        print(state_res)
#%%