1. tf.Variable

tf.Variable.init(initial_value, trainable=True, collections=None, validate_shape=True, name=None) 參數名稱參數類型參數含義

initial_value	所有可以轉換為Tensor的類型	變量的初始值（必須給定的值）
trainable	bool	如果為True，會把它加入到GraphKeys.TRAINABLE_VARIABLES，才能對它使用Optimizer
collections	list	指定該圖變量的類型、默認為[GraphKeys.GLOBAL_VARIABLES]
validate_shape	bool	如果為False，則不進行類型和維度檢查
name	string	變量的名稱，如果沒有指定則系統會自動分配一個唯一的值

- assign函數：給圖變量賦值

2. tf.get_variable

tf.get_variable(name, shape=None, dtype=None, initializer=None, regularizer=None, trainable=True, collections=None, caching_device=None, partitioner=None, validate_shape=True, custom_getter=None)

• 區別：
  由于tf.Variable() 每次都在創建新對象，所有reuse=True 和它并沒有什么關系。對于get_variable()，來說，如果已經創建的變量對象，就把那個對象返回，如果沒有創建變量對象的話，就創建一個新的。

總結

以上是生活随笔為你收集整理的TensorFlow（十）定义图变量的方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。