深度学习（五）--常量与变量

Python进击者

发布于 2019-09-17 15:27:04

4340

发布于 2019-09-17 15:27:04

文章被收录于专栏：JAVAandPython君JAVAandPython君

1 常量

概念：

在运行过程中值不会改变的单元，在Tensorflow中不需要进行初始化操作

定义常量：

constant_name = tf.constant(value)

常量的运算代码示例：

import tensorflow as tf

# 一个简单的计算图
node1 = tf.constant(3.0, tf.float32, name="node1")
node2 = tf.constant(4.0, tf.float32, name="node1")
node3 = tf.add(node1, node2)

# 可以通过创建会话session来执行数据操作
sess = tf.Session()

print("node3的值:",sess.run(node3)

在这里进行的就是两个常量（node1， node2）的加法运算。

常量很简单，接下来看看变量！

2 变量

在运行中，值会改变的单元，在tensorflow中需要初始化操作

定义变量：

# 注意下面的Varible是大写开头
name_ariable = tf.Variable(value, name)

个别变量的初始化：

init_op = name_variable.initializer()

所有变量的初始化:

init_op = tf.global_variables_initializer()

变量的运算代码：

import tensorflow as tf

node1 = tf.Variable(3.0, tf.float32, name='node1')
node2 = tf.Variable(4.0, tf.float32, name='node2')
result = tf.add(node1, node2, name='result')

sess = tf.Session()

init = tf.global_variables_initializer()

sess.run(init)

print(sess.run(result))

sess.close()

在这里的 init 是初始化所有的变量，它自己本身也是一个节点，所以我们也要通过session的run()方法对它进行初始化，如果我们注释掉sess.run(init)，程序会报错！

3 变量的赋值

与传统的编程语言不同，tensorflow中的变量定义之后，一般无需对变量进行人工赋值，系统会根据算法模型，训练优化过程中自动调整变量对应的数值

epoch = tf.Variable(0, name='epoch',trainable=False)

上面的代码把trainable参数设置为False，即取消了系统的自动赋值而是变为人工赋值

• 特殊情况需要人工更新的，可用变量赋值语句变量更新语句：

update_op = tf.assign(variable_to_be_updated, new_value)

说了这么多，我们来写个小案例：

import tensorflow as tf

node1 = tf.constant(1)

node2 = tf.Variable(0, name='node2')
# 实现加法操作

value = tf.add(node1, node2, name='value')

update_value = tf.assign(node2, value)

init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    for _ in range(10):
        sess.run(update_value)
        print(sess.run(node2))

分析一下这个小案例：首先我们定义了一个常量node1，然后我们定义一个变量node2，然后我们将两者进行加法运算得到value，然后我们调用了tensorflow中的assign()，也就是变量更新的方法，我们将经过加法得到的结果赋给之前的变量node2，也就是实现了+1的操作。下一句就是初始化所有的变量，然后通过上下文的方法创建session，然后我们来初始化init，并且一个for循环，可以看出我们循环了10次，在这10次循环里，我们每次去运行了update_value，当我们去运行它时，就会牵涉到value，node2这些节点从而去运行这些节点，最后我们每次打印出变量node2的值。

运行输出后的结果：