《Python深度学习实战：基于TensorFlow和Keras的聊天机器人》 —1.3　常量、占位符与变量

1.3　常量、占位符与变量

TensorFlow程序使用张量数据结构来表示所有的数据—在计算图中，只有张量在操作之间被传递。可以把TensorFlow张量想象成一个n维数组或者列表。张量具有静态类型、秩以及形状。在这里，图产生一个不变的结果。变量在整个图的执行过程中维持其状态。

通常，在深度学习中你不可避免地要处理很多图片，因此需要给每一张图片赋以像素值，然后对所有图片重复此操作。

为了训练模型，需要能够修改图以调节一些对象，比如权重值、偏置量。简单来说，变量让你能够给图添加可训练的参数。它们在创建时就带有类型属性和初始值。

让我们在TensorFlow中创建一个常量并输出它。

下面是对前面代码的逐行解释：

1.导入tensorflow模块并用tf来调用它。

2.创建常量值（x）并指定其数值为12。

3.创建会话来计算数值。

4.只运行变量x并输出其当前值。

前两步属于构建阶段，后两步属于执行阶段。下面讨论TensorFlow的构建阶段和执行阶段。

可以把前面的代码用另一种方式重写如下：

现在可以探索如何创建变量并将其初始化。以下是实现代码：

这里是对上述代码的解释：

1.导入tensorflow模块并用tf来调用它。

2.创建名为x的常量并赋予初始值12。

3.创建变量y并用方程y = x + 11来定义它。

4.使用tf.global_variables_initializer()初始化变量。

5.创建一个会话来计算值。

6.运行在第4步建立的模型。

7.只运行变量y并输出其当前值。

下面是供你细读的更多代码：