TensorFlow 变量
注意：接受Tensor参数的函数也可以接受被 tf.convert_to_tensor 接受的任何内容。
变量
- tf.Variable
变量帮助函数
TensorFlow 提供了一组函数来帮助管理在关系图中收集的变量集。
- tf.global_variables
- tf.local_variables
- tf.model_variables
- tf.trainable_variables
- tf.moving_average_variables
- tf.global_variables_initializer
- tf.local_variables_initializer
- tf.variables_initializer
- tf.is_variable_initialized
- tf.report_uninitialized_variables
- tf.assert_variables_initialized
- tf.assign
- tf.assign_add
- tf.assign_sub
保存和恢复变量
- tf.train.Saver
- tf.train.latest_checkpoint
- tf.train.get_checkpoint_state
- tf.train.update_checkpoint_state
共享变量
TensorFlow 提供了几个类和操作，您可以使用它们在特定条件下创建变量。
- tf.get_variable
- tf.get_local_variable
- tf.VariableScope
- tf.variable_scope
- tf.variable_op_scope
- tf.get_variable_scope
- tf.make_template
- tf.no_regularizer
- tf.constant_initializer
- tf.random_normal_initializer
- tf.truncated_normal_initializer
- tf.random_uniform_initializer
- tf.uniform_unit_scaling_initializer
- tf.zeros_initializer
- tf.ones_initializer
- tf.orthogonal_initializer
切分变量分区
- tf.fixed_size_partitioner
- tf.variable_axis_size_partitioner
- tf.min_max_variable_partitioner
稀疏变量更新
稀疏更新操作修改稠密变量中的条目子集，改写条目或添加/减去增量。这对于训练嵌入模型和类似的属性网络非常有用,因为在任何给定的步骤中，只有一小部分嵌入向量发生变化。
由于大张量的稀疏更新可以在渐变计算过程中自动生成 (如在 tf 的渐变中)。一个提供的 IndexedSlices 类封装了一组稀疏索引和值。大多数情况下，优化会自动检测和处理 IndexedSlices 对象。
- tf.scatter_update
- tf.scatter_add
- tf.scatter_sub
- tf.scatter_mul
- tf.scatter_div
- tf.scatter_nd_update
- tf.scatter_nd_add
- tf.scatter_nd_sub
- tf.sparse_mask
- tf.IndexedSlices
只读查询表
- tf.initialize_all_tables
- tf.tables_initializer
导出和导入元图
- tf.train.export_meta_graph
- tf.train.import_meta_graph
已弃用的函数(2017-03-02之后删除)，请不要使用它们。
- tf.all_variables
- tf.initialize_all_variables
- tf.initialize_local_variables
- tf.initialize_variables