tensorflow--变量--汇总

官网：https://tensorflow.google.cn/api_guides/python/state_ops

一、变量( Variables )

• tf.Variable

二、可变辅助函数 ( Variable helper functions )

TensorFlow 提供了一组函数来帮助管理图表中收集的变量集。

• tf.global_variables
• tf.local_variables
• tf.model_variables
• tf.trainable_variables
• tf.moving_average_variables
• tf.global_variables_initializer
• tf.local_variables_initializer
• tf.variables_initializer
• tf.is_variable_initialized
• tf.report_uninitialized_variables
• tf.assert_variables_initialized
• tf.assign
• tf.assign_add
• tf.assign_sub

三、Saving and Restoring Variables

• tf.train.Saver
• tf.train.latest_checkpoint
• tf.train.get_checkpoint_state
• tf.train.update_checkpoint_state

四、保存和恢复变量( Sharing Variables )

TensorFlow提供了几个类和操作，您可以使用这些类和操作来创建某些条件下的变量。

• tf.get_variable
• tf.get_local_variable
• tf.VariableScope
• tf.variable_scope
• tf.variable_op_scope
• tf.get_variable_scope
• tf.make_template
• tf.no_regularizer
• tf.constant_initializer
• tf.random_normal_initializer
• tf.truncated_normal_initializer
• tf.random_uniform_initializer
• tf.uniform_unit_scaling_initializer
• tf.zeros_initializer
• tf.ones_initializer
• tf.orthogonal_initializer
• Variable Partitioners for Sharding
• tf.fixed_size_partitioner
• tf.variable_axis_size_partitioner
• tf.min_max_variable_partitioner

五、稀疏变量更新 ( Sparse Variable Updates )

稀疏更新操作修改密集变量中的条目的子集，要么覆盖条目，要么添加/减去增量。这对于训练嵌入模型和类似的基于查找的网络是有用的，因为在任何给定步骤中只有一小部分嵌入向量发生变化。

由于在梯度计算期间（如在tf.gather的梯度中），可以自动生成大张量的稀疏更新，因此提供了封装一组稀疏索引和值的tf.IndexedSlices类。在大多数情况下，索引优化对象由优化器自动检测和处理。

• tf.scatter_update
• tf.scatter_add
• tf.scatter_sub
• tf.scatter_mul
• tf.scatter_div
• tf.scatter_min
• tf.scatter_max
• tf.scatter_nd_update
• tf.scatter_nd_add
• tf.scatter_nd_sub
• tf.sparse_mask
• tf.IndexedSlices

六、只读查找表 ( Read-only Lookup Tables )

• tf.initialize_all_tables
• tf.tables_initialize#

七、导出和导入元图 ( Exporting and Importing Meta Graphs )

tf.train.export_meta_graph tf.train.import_meta_graph

八、丢弃的功能（ Deprecated functions ）

(removed after 2017-03-02). Please don’t use them.

• tf.all_variables
• tf.initialize_all_variables
• tf.initialize_local_variables
• tf.initialize_variables