深度学习框架TensorFlow（3.变量）

1.先看代码：

import tensorflow as tf
#定义变量
x = tf.Variable([1,2])
#定义常量
a = tf.constant([3,3])
#增加一个减法的op
sub = tf.subtract(x,a)
#增加一个减法op
add = tf.add(x,sub)
#初始化所有的变量
init = tf.global_variables_initializer()
#定义一个会话
#写成with就不用关闭会话
with tf.Session() as sess:
    sess.run(init)#变量初始化
    print(sess.run(sub))
    print(sess.run(add))

#结果为：[-2 -1]
        [-1  1]

#注意变量的初始化

2.具体是怎样的算法呢？

x=[1,2] a=[3,3] ,

x减a等于[-2,-1],即sub=[-2,-1],

然后用x加上sub，得到add = [-1,1]

3.例子：

        写个循环，让变量自增，即循环一次就加一

代码：

import tensorflow as tf
#定义一个变量，可以起个名字
state = tf.Variable(0,name='counter')
#加法，让变量state加一
new_value = tf.add(state,1)
#赋值的方法，赋值op
update = tf.assign(state,new_value)#把后面的值赋值给前面
#变量初始化
init = tf.global_variables_initializer()
#定义一个会话
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(state))
    for _ in range(5):#循环五次
        sess.run(update)
        print(sess.run(state))

程序的运行结果为：

#每次进行for循环，就更新一次值