上一篇文章：TensorFlowX.Y核心基础与AI模型设计02:AI模型编程常用（一）
- 7、创建变量
- 8、变量与计算图可视化
- 9、TensorFlow变量管理
- 10、变量保存与恢复(Saver)
-
- 保存变量
- 恢复变量
- 模型的保存与加载
- 参考
对于神经网络而言,参数是一个重要的组成部分。一个网络中往往包含大量的参数。在 TensorFlow 中,变量的作用就是保存网络中的参数,网络参数的更新就是相应变量值的重新赋值。
在TensorFlow中，变量(Variable)是特殊的张量(Tensor)，它的值可以是一个任何类型和形状的张量。与其他张量不同，变量存在于单个 session.run 调用的上下文之外，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。变量的初始值可以设置成随机数。这样的做法(将网络参数设置成随机数)在实际应用中是很常见的,比如下面这段代码 :
