变量的的创建、初始化、保存和加载

其实变量的作用在语言中相当，都有存储一些临时值的作用或者长久存储。在Tensorflow中当训练模型时，用变量来存储和更新参数。变量包含张量（Tensor）存放于内存的缓存区。建模时它们需要被明确地初始化，模型训练后它们必须被存储到磁盘。值可在之后模型训练和分析是被加载。
变量的创建
创建当一个变量时，将你一个张量作为初始值传入构造函数Variable().TensorFlow提供了一系列操作符来初始化张量，值初始的英文常量或是随机值。像任何一样Tensor，创建的变量Variable()可以用作图中其他操作的输入。此外，为Tensor该类重载的所有运算符都被转载到变量中，因此您也可以通过对变量进行算术来将节点添加到图形中。

x = tf.Variable(5.0,name="x")
weights = tf.Variable(tf.random_normal([784, 200], stddev=0.35),name="weights")
biases = tf.Variable(tf.zeros([200]), name="biases")

变量的初始化
变量的初始化必须在模型的其它操作运行之前先明确地完成。最简单的方法就是添加一个给所有变量初始化的操作，并在使用模型之前首先运行那个操作。最常见的初始化模式是使用便利函数 initialize_all_variables()将Op添加到初始化所有变量的图形中。

nit_op = tf.global_variables_initializer()

with tf.Session() as sess:
  sess.run(init_op)

tensorboard可视化学习

tensorflow有一个可视化的web端，这也是tensorflow的优势
1，数据序列化—event文件
tensorboard通过读取tensorflow的事件来运行
2，写入事件文件

tf.summary.FileWriter('./tmp/tensorflow/summary/test',graph=)

返回filewriter，写入事件文件到指定目录，以提供给tensorboard使用，在g raph=指定写入的图
3，开启

tensorboard --logdir="./tmp/tensorflow/summary/test"

在浏览器打开127.0.0.1:6006查看

完整代码

import tensorflow as tf

a = tf.constant(3.0)
b = tf.constant(4.0)
sum1 = tf.add(a, b)

#将tensor放入变量中
sum_vis = tf.Variable(sum1)
#初始化所有变量
init_op = tf.global_variables_initializer()
with tf.Session() as sess:
  print(sess.run(init_op))
  sess.run(sum1)

#将程序的图写入事件文件
summary_writer = tf.summary.FileWriter('./tmp/tensorflow/test1', graph=sum1.graph)
#在控制台通过tensorboard --logdir="./tmp/tensorflow/test1"  启动