tensorflow变量的使用（02-2）

import tensorflow as tf

x=tf.Variable([1,2])
a=tf.constant([3,3])

sub=tf.subtract(x,a)    #增加一个减法op
add=tf.add(x,sub)   #增加一个加法op

#注意变量再使用之前要再sess中做初始化，但是下边这种初始化方法不会指定变量的初始化顺序
init=tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(sub))
    print(sess.run(add))


#################分割线#####################
#创建一个名字为‘counter’的变量 初始化0
state=tf.Variable(0,name=‘counter‘)
new_value=tf.add(state,1)   #创建一个op，作用是使state加1
update=tf.assign(state,new_value)  #赋值op
init=tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    print(sess.run(state))
    for _ in range(5):
        sess.run(update)
        print(sess.run(state))

看上边的代码，你会注意到与普通的变成有些区别：

1. tensorflow中会用到init=tf.global_variables_initializer()，这种变量初始化的东西，但是明明在上边定义的时候已经初始化了啊，哈哈，这只能说你在python中确实初始化了，但是在tf的session中你并没有初始化；

2. update=tf.assign(state,new_value) 赋值操作，直接用接口而不是用等号，这也就说明tensorflow不是用python实现的，是有c++实现的，你如果想把python中的值在session中修改，必须要用这种接口的方式。