变量也是一种op，是一种特殊的张量，能够持久化存储，它的值就是张量，默认被训练，普通张量op不能够持久化保存
创建一个变量 var=tf.Variable(tf.random_normal([2,3] , mean=0.0 , stddev=1.0)) 变量op包裹了一个张量
eg: a=tf.constant([1,2,3,4,5])
var=…
print(a,var) #这里只返回var与a的属性，不会有结果，因为没sess，不会运行
#必须做一步全局显示的初始化op
init_op=tf.global_variables_initializer()
with tf.Session() as sess: #有了这个才会运行程序
#必须运行初始化
sess.run(init_op) #一定要在会话中运行
1
print(sess.run([a,var])) #这个才是有具体结果输出的
可视化：
在上面1处插入filewriter = tf.wummary.FileWriter("./tmp/summary/test/ , graph = sess. graph")
#因为是在同一个文件夹下，所以用 ./ ，sess.graph也可以替换成a.graph,都是同一个图
在可视化图中，程序没有使用的张量不显示，但是变量无论如何都会显示
每次程序修改后都会产生一个新的events文件，默认图会自动更新
很多方法都有name参数，这个就是在tensorboard显示时用的，可以区分相同op