1.tensorflow变量——Variable
（1）在tensorflow中，变量(tf.Variable)的作用就是保存和更新神经网络中的参数。
tensorflow中的变量也需要指定初始值。
在神经网络中，一般给参数赋予随机初始值，即使用随机数给tensorflow中的变量初始化。
示例：
weights = tf.Variable(tf.random_normal([2,3], stddev=2))
上面这段代码调用了tensorflow变量的声明函数tf.Variable。在变量声明函数中给出了初始化这个变量的方法。
tf.random_normal([2,3], stddev=2)会产生一个2x3矩阵，矩阵中的元素是均值为0、标准差为2的随机数。
tf.random_normal函数可以通过参数mean来指定平均值，在没有指定时默认为0。
（2）tensorflow随机生成函数
tf.random_normal：正态分布
tf.truncated_normal：正态分布，但如果随机出来的值偏离平均值超过2个标准差，那么这个数将被重新随机
tf.random_uniform：均匀分布
tf.random_gamma：Gamma分布
（3）tensorflow常数生成函数
tf.zeros：产生全为0的数组 tf.zeros([2,3],int32)->[[0,0,0][0,0,0]]
tf.ones：产生全为1的数组 tf.ones([2,3],int32)->[[1,1,1],[1,1,1]]
tf.fill：产生一个全部为给定数字的数组 tf.fill([2,3],9)->[[9,9,9],[9,9,9]]
tf.constant：产生一个给定值的常量 tf.constant([1,2,3])->[1,2,3]
（4）tensorflow可以通过tf.initialize_all_variables函数实现初始化所有变量的过程
示例：
init_op = tf.initialize_all_variables()
sess.run(init_op)
（5）在tensorflow中，变量的声明函数tf.Variable是一个运算，这个运算的结果就是一个张量，所以变量是一个特殊的张量。
通过tf.all_variables函数可以拿到当前计算图上所有的变量。
变量的类型(type)在变量构建之后就不可再更改。