tensorflow - 为什么需要使用 tf.Variable?
问题描述
在以下代码中,我无法理解使用 tf.Variable 的必要性?无论我使用 tf.Variable 还是省略它,我都会得到相同的值。
`initial = tf.Variable(tf.truncated_normal(shape=[1,10,1], mean=0,
stddev=0.1,seed=123))`
解决方案
正如我在您的另一篇文章中回答的那样,我将再次发布它,在tensorflow
中,使用创建的任何内容都tf.Variable()
将在反向传播训练期间得到更新,例如权重矩阵。
理想情况下,默认情况下,每个都tf.Variable()
可以训练,除非您明确指定它non-trainable
。
如果你这样做initial = tf.truncated_normal([5,10], mean=0, stddev=0.1)
,那么 tensorflow 将不知道它是一个可训练的变量,因此它不会被训练。它将在整个培训过程中保持不变。