1、变量，tf.Variable

2017-03-28 本文已影响0人 liumw1203

1、定义---简单一句话“参数”

我们使用变量Variables去更新参数。变量在内存中。

2、创建

例子：

# Create two variables.
weights = tf.Variable(tf.random_normal([784, 200], stddev=0.35),
                      name="weights")
biases = tf.Variable(tf.zeros([200]), name="biases")

生成tensor的一些方法

生成tensor：

tf.zeros(shape, dtype=tf.float32, name=None)
tf.zeros_like(tensor, dtype=None, name=None)
tf.constant(value, dtype=None, shape=None, name='Const')
tf.fill(dims, value, name=None)
tf.ones_like(tensor, dtype=None, name=None)
tf.ones(shape, dtype=tf.float32, name=None)

生成序列

tf.range(start, limit, delta=1, name='range')
tf.linspace(start, stop, num, name=None)

生成随机数

tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
tf.random_uniform(shape, minval=0.0, maxval=1.0, dtype=tf.float32, seed=None, name=None)
tf.random_shuffle(value, seed=None, name=None)

例子

import tensorflow as tf
import numpy as np

# 生成0和1矩阵
v1 = tf.Variable(tf.zeros([3,3,3]), name="v1")
v2 = tf.Variable(tf.ones([10,5]), name="v2")

#填充单值矩阵
v3 = tf.Variable(tf.fill([2,3], 9))

#常量矩阵
v4_1 = tf.constant([1, 2, 3, 4, 5, 6, 7])
v4_2 = tf.constant(-1.0, shape=[2, 3])

#生成等差数列
v6_1 = tf.linspace(10.0, 12.0, 30, name="linspace")#float32 or float64
v7_1 = tf.range(10, 20, 3)#just int32

#生成各种随机数据矩阵
v8_1 = tf.Variable(tf.random_uniform([2,4], minval=0.0, maxval=2.0, dtype=tf.float32, seed=1234, name="v8_1"))
v8_2 = tf.Variable(tf.random_normal([2,3], mean=0.0, stddev=1.0, dtype=tf.float32, seed=1234, name="v8_2"))
v8_3 = tf.Variable(tf.truncated_normal([2,3], mean=0.0, stddev=1.0, dtype=tf.float32, seed=1234, name="v8_3"))
v8_4 = tf.Variable(tf.random_uniform([2,3], minval=0.0, maxval=1.0, dtype=tf.float32, seed=1234, name="v8_4"))
v8_5 = tf.random_shuffle([[1,2,3],[4,5,6],[6,6,6]], seed=134, name="v8_5")

# 初始化
init_op = tf.initialize_all_variables()

# 保存变量，也可以指定保存的内容
saver = tf.train.Saver()
#saver = tf.train.Saver({"my_v2": v2})

#运行
with tf.Session() as sess:
  sess.run(init_op)
  # 输出形状和值
  print tf.Variable.get_shape(v1)#shape
  print sess.run(v1)#vaule
  
  # numpy保存文件
  np.save("v1.npy",sess.run(v1))#numpy save v1 as file
  test_a = np.load("v1.npy")
  print test_a[1,2]

  #一些输出
  print sess.run(v3)

  v5 = tf.zeros_like(sess.run(v1))

  print sess.run(v6_1)

  print sess.run(v7_1)

  print sess.run(v8_5)
  
  #保存图的变量
  save_path = saver.save(sess, "/tmp/model.ckpt")
  #加载图的变量
  #saver.restore(sess, "/tmp/model.ckpt")
  print "Model saved in file: ", save_path

3、初始化

此处使用 tf.initialize_all_variables() 用于初始化变量。但是这句话仍然不会立即执行。需要通过sess来将数据流动起来。

例子

# Create two variables.
weights = tf.Variable(tf.random_normal([784, 200], stddev=0.35),
                      name="weights")
biases = tf.Variable(tf.zeros([200]), name="biases")
...
# Add an op to initialize the variables.
init_op = tf.initialize_all_variables()

# Later, when launching the model
with tf.Session() as sess:
  # Run the init operation.
  sess.run(init_op)
  ...
  # Use the model
  ...

4、实例讲解

例子

#-*-coding:UTF-8-*-
import tensorflow as tf

state = tf.Variable(0 , name='counter')
one = tf.constant(1)

new_value = tf.add(state,one)
update = tf.assign(state,new_value)

init = tf.initialize_all_variables()

with tf.Session() as sess:
    sess.run(init)
    for _ in range(3): 
        sess.run(update) 
        print(sess.run(state))

#--coding:UTF-8--
这句话是指定*.py的编码方式，如果文件中涉及到中文汉字的话，有必要写一下这句话。当然也可以这样写：encoding:UTF-8

import tensorflow as tf
这句话是导入tensorflow 模块

state = tf.Variable(0 , name='counter')
使用tensorflow在默认的图中创建节点，这个节点是一个变量。

one = tf.constant(1)
此处调用了td的一个函数，用于创建常量。

new_value = tf.add(state,one)
对常量与变量进行简单的加法操作，这点需要说明的是：在TensoorFlow中，所有的操作op，变量都视为节点，tf.add() 的意思就是在tf的默认图中添加一个op，这个op是用来做加法操作的。

update = tf.assign(state,new_value)
这个操作是：赋值操作。将new_value的值赋值给update变量。
在这里，需要再次说明：我们此时只是定义好了图，并没有变量并没有初始化。目前只有state的值是1。

init = tf.initialize_all_variables()
此处用于初始化变量。但是这句话仍然不会立即执行。需要通过sess来将数据流动起来。
切记：所有的运算都应在在session中进行：

with tf.Session() as sess:
此处自动开启一个session

sess.run(init) 
对变量进行初始化，执行（run）init语句

for _ in range(3):
sess.run(update)
print(sess.run(state))
循环3次，并且打印输出。