【技术专题】TensorFlow2 Python深度学习 - 变量（Variable）的定义与操作

大家好，我是锋哥。最近连载更新《TensorFlow2 Python深度学习》技术专题。

本课程主要讲解基于TensorFlow2的Python深度学习知识，包括深度学习概述，TensorFlow2框架入门知识，以及卷积神经网络（CNN），循环神经网络（RNN），生成对抗网络（GAN），模型保存与加载等。同时也配套视频教程 《2026版 TensorFlow2 Python深度学习 视频教程》

在 TensorFlow 2 中，Variable 是一种张量，它是模型的可训练参数。Variable 和普通的 Tensor 之间的主要区别在于，Variable 的值可以在训练过程中更新，而 Tensor 的值是不可变的。

1. Variable 的定义

tf.Variable 用于定义一个变量。它的构造方法允许你指定初始值、数据类型和形状。通常情况下，初始化值可以是 Tensor，也可以是 NumPy 数组或 Python 原生的数值。

import tensorflow as tf
​
# 创建一个标量变量，初始值为 3.0
var1 = tf.Variable(3.0)
​
# 创建一个 2x2 矩阵变量
var2 = tf.Variable([[1.0, 2.0], [3.0, 4.0]])
​
print(var1)
print(var2)

运行结果：

<tf.Variable 'Variable:0' shape=() dtype=float32, numpy=3.0>
<tf.Variable 'Variable:0' shape=(2, 2) dtype=float32, numpy=
array([[1., 2.],
       [3., 4.]], dtype=float32)>

2. Variable 的操作

你可以像普通的 Tensor 一样对 Variable 进行操作，包括加法、乘法、减法等，并且 Variable 会随着操作的执行而更新其值。

import tensorflow as tf
​
# 创建一个变量
x = tf.Variable(5)
y = tf.Variable(5)
​
# 进行加法操作，结果会更新变量 x 的值
x.assign(x + 1)
y.assign(y - 1)
print(x)
print(x.value())
print(x.value().numpy())
print(y.value().numpy())

运行结果：

<tf.Variable 'Variable:0' shape=() dtype=int32, numpy=6>
tf.Tensor(6, shape=(), dtype=int32)
6
4

3. 更新变量

Variable 的值可以通过 .assign() 或 .assign_add() 等方法进行修改。

• assign()：将变量的值更新为指定的值。
• assign_add()：将指定的值加到变量上。
• assign_sub()：将指定的值减到变量上。

import tensorflow as tf
​
# 创建一个变量
v = tf.Variable([1.0, 2.0, 3.0])
​
# 使用 assign 更新变量
v.assign([4.0, 5.0, 6.0])
print(v)
​
# 使用 assign_add 对变量加值
v.assign_add([1.0, 1.0, 1.0])
print(v)
​
# 使用 assign_sub 对变量减值
v.assign_sub([2.0, 2.0, 2.0])
print(v)

运行结果：

<tf.Variable 'Variable:0' shape=(3,) dtype=float32, numpy=array([4., 5., 6.], dtype=float32)>
<tf.Variable 'Variable:0' shape=(3,) dtype=float32, numpy=array([5., 6., 7.], dtype=float32)>
<tf.Variable 'Variable:0' shape=(3,) dtype=float32, numpy=array([3., 4., 5.], dtype=float32)>