怎么 tf.变量维护图形的状态?

Question

我正在尝试学习张量流。我对 tf 的用法感到非常困惑。变量。我知道在机器学习中，我们必须随机为过滤器分配权重。但这可以通过tf.truncated_normal功能来完成。那么tf的作用是什么。这里的变量？文档指出 tf.变量维护图形的状态。什么意思？如果我省略 tf。变量结果相同。那么tf的作用是什么。变量？有人可以帮我理解这一点吗？

`def weight_variable(shape):
initial = tf.truncated_normal(shape, mean=0, stddev=0.1)
return tf.Variable(initial)
#function call
filter = weight_variable([1,2,2,1])`

Answer 1

在tensorflow中，使用tf.Variable()创建的任何内容都将在反向传播训练期间得到更新，例如权重矩阵。

理想情况下，默认情况下，每个tf.Variable()都可训练，除非您non-trainable显式指定它。

如果你initial = tf.truncated_normal([5,10], mean=0, stddev=0.1)这样做，那么张量流将不知道它是一个可训练的变量，因此它不会被训练。它将在整个培训过程中保持不变。