确实可以在Tensor可以在任何位置使用变量，但是两者之间的主要区别在于变量可以在多次调用run（）的过程中保持其状态，并且可以通过反向传播来更新变量的值（也可以将其保存，已按照文档还原等）。
这些差异意味着您应该将变量视为代表模型的 可训练参数
（例如，神经网络的权重和偏差），而可以将Tensor视为代表正在馈入模型的数据和中间表示数据通过模型时的数据。
确实可以在Tensor可以在任何位置使用变量，但是两者之间的主要区别在于变量可以在多次调用run（）的过程中保持其状态，并且可以通过反向传播来更新变量的值（也可以将其保存，已按照文档还原等）。
这些差异意味着您应该将变量视为代表模型的 可训练参数
（例如，神经网络的权重和偏差），而可以将Tensor视为代表正在馈入模型的数据和中间表示数据通过模型时的数据。
名师互学网 版权所有 (c)2021-2022 ICP备案号：晋ICP备2021003244-6号
