3.7 常量与变量

1.4.1 常量 Constant

常量指在运行过程中不会改变的值，在TensorFlow中无需进行初始化操作。

创建语句：

Constant_name = tf.constant(value)

常量在TensorFlow中一般被用于设置训练步数、训练步长和训练轮数等超参数，此类参数在程序执行过程中一般不需要被改变，所以一般被设置为常量。

1.4.2 变量 Variable

变量是指在运行过程中会改变的值，在TensorFlow中需要进行初始化操作。

创建语句：

name_variable = tf.Variable(value, name)

注意：V是大写字母

个别变量初始化：

init_op = name_variable.initializer()

使用TensorFlow编写一个简单的神经网络一般会用到几十个变量，若编写大型的神经网络，往往会使用到成千上万个变量。若每个变量定义完都要初始化未免太过繁琐，所以TensorFlow有提供所有变量初始化的语句。 所有变量初始化：

init_op = tf.global_variables_initializer()

图3-10 变量的初始化

如图10所示，初始化函数也需要调用会话进行执行。TensorFlow中定义的每个变量都要进行初始化，不然会报错。

> 示例代码

1.py

node1 = tf.Variable(3.0,tf.float32,name="node1")
node2 = tf.Variable(4.0,tf.float32,name="node2")
result = tf.add(node1, node2, name='add')

sess = tf.Session()

#变量初始化
init = tf.global_variables_initializer()
sess.run(init)

print(sess.run(result))