Tensorflow中的Tensor和Variable有什么區別

Question

Tensorflow 中的Tensor和Variable什么區別？ 我在這個 stackoverflow answer 中注意到，我們可以在任何可以使用Tensor地方使用Variable 。 但是，我未能對Variable執行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Tensor一個包裝器，它在多次調用run維護狀態，我認為通過保存和恢復圖形可以使一些事情變得更容易。 Variable需要先初始化，然后才能運行。 您在定義Variable時提供了一個初始值，但您必須調用它的初始化函數才能在會話中實際分配此值，然后使用Variable 。 一種常見的方法是使用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)

至於為什么你使用Variable s 而不是Tensor s，基本上一個Variable是一個具有額外功能和效用的Tensor 。 您可以將Variable指定為可訓練的（實際上是默認值），這意味着您的優化器將對其進行調整以盡量減少您的成本函數； 您可以指定Variable在分布式系統上的位置； 您可以輕松保存和恢復Variable和圖形。 可以在此處找到有關如何使用Variable的更多信息。