tensorflow - 为什么需要使用 tf.Variable？

Question

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))`

标签： tensorflow

Answer 1

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。