TensorFlow1.x入门（2）——变量的定义及其操作

系列文章

本教程有同步的github地址

0. 统领篇

1. 计算图的创建与启动

2. 变量的定义及其操作

3. Feed与Fetch

4. 线性回归

5. 构建非线性回归模型

6. 简单分类问题

7. Dropout与优化器

8. 手动调整学习率与TensorBoard

9. 卷积神经网络（CNN）

10. 循环神经网络（RNN）

11. 模型的保存与恢复

知识点

变量：顾名思义就是可以变化的量，与之对应的是常量，常量在程序运行期间是不可以变的。
TensorFlow中的变量的含义与Python中变量的含义类似，都是用于存放数据的单位。

tf.Variable([1,2])代表定义了一个变量，并且赋值[1, 2]。
tf.subtract(x, y)代表减法操作，即x - y。
tf.add(x, y)代表加法操作，即x + y。
tf.assign(state, add_one)代表赋值操作，即将add_one赋值给state。

示例

#%% md
# 变量的定义及其操作
#%% md
导包
#%%
import tensorflow as tf
#%% md
创建变量x
#%%
x = tf.Variable([1,2])
#%%
x
#%% md
创建常量y
#%%
y = tf.constant([3, 3])
#%%
y
#%% md
创建减法操作
#%%
sub = tf.subtract(x, y)
#%%
sub
#%% md
创建加法操作
#%%
add = tf.add(x, y)
#%%
add
#%% md
全部变量进行初始化
#%%
init = tf.global_variables_initializer()
#%%
init
#%% md
创建会话Sess输出结果
#%%
with tf.Session() as sess:
    init_res = sess.run(init)
    sub_res, add_res = sess.run([sub, add])
#%% md
`init_res`没有输出结果为None
#%%
init_res, type(init_res)
#%%
sub_res
#%%
add_res
#%% md
## 实现数值的自增
#%% md
定义变量state
#%%
state = tf.Variable(0, name="counter")
#%%
state
#%% md
定义自增操作
#%%
add_one = tf.add(state, 1)
#%%
add_one
#%% md
定义赋值操作
#%%
update = tf.assign(state, add_one)
#%%
update
#%% md
初始化全部变量
#%%
init = tf.global_variables_initializer()
#%% md
定义会话进行结果的计算与输出
#%%
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)
#%%