Python TensorFlow，变量，变量的创建、初始化，TensorBoard可视化。

ゝ一世哀愁。 2022-03-14 09:50 322阅读 0赞

在TensorFlow中，**变量(Variable)**是一种op(运算操作)，也是一种特殊的张量(Tensor)，它的值就是一个张量。与其他张量不同，变量存在于session.run 调用的会话之外，也就是说，变量存储的是持久张量，当训练模型时，用变量来存储和更新参数。除此之外，在调用op之前，所有变量都应被显式地初始化过。  
**常量与变量：**常量(constant)定义后值和维度不可变，变量定义后值可变而维度不可变。在神经网络中，变量一般可作为储存权重和其他信息的矩阵，而常量可作为储存超参数或其他结构信息的变量。

TensorFlow中的训练模型的系数，必须用变量定义(系数需要迭代优化，变化)，可以对变量(系数、模型)进行持久化。

--------------------

**demo.py（变量的创建和初始化）：**

import tensorflow as tf
    import os
    os.environ['TF_CPP_MIN_LOG_LEVEL']='2'  # 设置警告级别
    
    
    # 变量
    # 1、变量能够持久化保存，普通张量是不行的
    # 2、当定义一个变量的时候，一定要在会话当中去运行初始化操作
    # 3、name参数：在tensorboard可视化时显示名字；可以让相同op名字的变量进行区分
    
    # 变量的创建   trainable=True表示变量(模型系数)可以被训练优化(变化),默认True
    var = tf.Variable(tf.random_normal([2, 3], mean=0.0, stddev=1.0), name="variable", trainable=True)
    # 变量是一种特殊张量
    print(var)  # Tensor("variable/read:0", shape=(2, 3), dtype=float32)
    
    # 修改变量的值。 加1
    # var2 = tf.assign_add(var, tf.constant(1.0))  # assign_add自增(var的值会改变)；var+1会返回一个新张量(var的值并未变)
    
    # 变量必须进行显示的初始化op (需要在会话中运行该初始化op)
    init_op = tf.global_variables_initializer()
    
    
    with tf.Session() as sess:
        # 必须在会话中运行初始化op
        sess.run(init_op)
    
        print(sess.run(var))
        '''
        [[-0.45846692  1.1898099   1.800396  ]
         [-1.226804   -0.25234288 -0.04341562]]
        '''

**demo.py（将计算图写入事件文件，TensorBoard可视化）：**

import tensorflow as tf
    import os
    os.environ['TF_CPP_MIN_LOG_LEVEL']='2'  # 设置警告级别
    
    
    # 变量的创建
    var = tf.Variable(tf.random_normal([2, 3], mean=0.0, stddev=1.0), name="variable")
    
    # 变量必须进行显示的初始化op (需要在会话中运行该初始化op)
    init_op = tf.global_variables_initializer()
    
    
    with tf.Session() as sess:
        # 必须在会话中运行初始化op
        sess.run(init_op)
        print(sess.run(var))
        '''
        [[-0.45846692  1.1898099   1.800396  ]
         [-1.226804   -0.25234288 -0.04341562]]
        '''
    
        # 把程序的图结构写入事件文件(序列化)。 graph:指定写入事件文件的图
        filewriter = tf.summary.FileWriter("./summary/test/", graph=sess.graph)
        # TensorBoard 通过读取 TensorFlow 的事件文件来进行可视化
        # 命令行中开启TensorBoard可视化(web网站)：
        # tensorboard --logdir="./summary/test/"  默认会加载最新的事件文件

**TensorBoard可视化效果（web网站）： **

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70][]

**TensorBoard中的图中的符号意义：**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70 1][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70]: /images/20220313/e74576f36f0f42e3a72bde9568a63a54.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70 1]: /images/20220313/9d64cf0c22f24fbeb148cac5c7361f56.png