Tensorflow中的张量和变量有什​​么区别

Question

Tensorflow中Tensor和Variable有什么区别？我注意到在this stackoverflow answer，我们可以使用Variable只要Tensor可以使用。但是，我没能就Variable做session.run()：

A = tf.zeros([10]) # A is a Tensor 
B = tf.Variable([111, 11, 11]) # B is a Variable 
sess.run(A) # OK. Will return the values in A 
sess.run(B) # Error. 

Answer 1

Variable基本上是在Tensor包装跨多个呼叫保持状态run，我觉得做更容易保存和恢复图表一些事情。变量需要在运行之前进行初始化。您在定义变量时提供初始值，但必须调用其初始化函数才能在会话中实际分配此值，然后使用变量。一个常见的方法是使用tf.global_variables_initalizer()。

例如：

import tensorflow as tf 
test_var = tf.Variable([111, 11, 1]) 
sess = tf.Session() 
sess.run(test_var) 

# Error! 

sess.run(tf.global_variables_initializer()) # initialize variables 
sess.run(test_var) 
# array([111, 11, 1], dtype=int32) 

至于为什么你使用的变量，而不是张量，基本上是一个变量与附加功能和效用张量。你可以指定一个变量为可训练的（实际上是默认的），这意味着你的优化器会调整它以尽量减少你的成本函数;您可以指定变量驻留在分布式系统上的位置;您可以轻松保存和恢复变量和图形。有关如何使用变量的更多信息可以在here找到。