Tensorflow中的張量和變量有什​​麼區別

Question

Tensorflow中Tensor和Variable有什麼區別？我注意到在this stackoverflow answer，我們可以使用Variable只要Tensor可以使用。但是，我沒能就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包裝跨多個呼叫保持狀態run，我覺得做更容易保存和恢復圖表一些事情。變量需要在運行之前進行初始化。您在定義變量時提供初始值，但必須調用其初始化函數才能在會話中實際分配此值，然後使用變量。一個常見的方法是使用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) 

至於爲什麼你使用的變量，而不是張量，基本上是一個變量與附加功能和效用張量。你可以指定一個變量爲可訓練的（實際上是默認的），這意味着你的優化器會調整它以儘量減少你的成本函數;您可以指定變量駐留在分佈式系統上的位置;您可以輕鬆保存和恢復變量和圖形。有關如何使用變量的更多信息可以在here找到。