tf.Variable:

TensorFlow中的變數特指深度學習機制中，控制輸入到輸出對映的可以變化的資料，這些變化資料隨著訓練迭代的進行，不斷地改變數值，不斷優化，使輸出的結果越來越接近於正確的結果。

Variable() 構造器需要一個初始值，可以是任意型別和shape 的Tensor

初始值定義了變數的type和shape。構造完成之後，變數的type和shape 是固定的。可以使用assign 方法來修改變數的值。

如果你想修改變數的shape，你必須使用assign 操作，並且 validate_shape=False

所有操作承載的Tensor 類傳遞給variables. 所以你可以僅僅通過對變數執行算術來對圖中新增節點。

程式碼：

import tensorflow as tf

state = tf.Variable(0, name='counter')
print(state.name)
one = tf.constant(1)

new_value = tf.add(state, one)
update = tf.assign(state, new_value)

init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    for _ in range(3):
        sess.run(update)
        print(sess.run(state))

結果：

counter_2:0
1
2
3
 

佔位符:用於傳入外部資料。

tf.placeholder(dtype, shape=None, name=None)

返回型別：Tensor

TensorFlow中載入圖片的維度為[batch, height, width, channels]

故placeholder的shape可寫為[None, None, None, 3]

data = tf.placeholder(tf.float32, shape=[None, None, None, 3])

feed的資料以字典的形式傳入
feed_dict = {data:images}

np:

matrix = numpy.array([  ])

matrix.sum(axis = 0)      #  1:各行求和   0：各列求和

np.random.randint(0,10,size=(4,3))


結果：[[5 1 4]
 [3 5 6]
 [6 8 8]
 [4 5 9]]