Python 什么时候我必须在Tensorflow中初始化变量？

我试图理解张量流，以及如何理解它，首先要创建操作和变量，将它们添加到图形中，然后在会话中执行这些操作。 那么为什么在这段代码中我不必使用initialize_all_variables（）方法呢？ 我试图添加

init=tf.initialize\u all_variables（）

，然后添加

sess.run（init）

，但这是错误的。为什么在没有初始化的情况下可以工作

import tensorflow as tf 
import numpy as np
x = tf.placeholder('float', [2,3])
y = x*2
z = tf.Variable([[1,1,1],[1,1,1]], name = "z")
with tf.Session() as sess:
    x_data = np.arange(1,7).reshape((2,3))
    z.assign(x_data)
    res = sess.run(y, feed_dict = {x:x_data})
    print(res.dtype, z.dtype, z.get_shape())`

---

不允许读取未初始化的值。在上述情况下，您没有读取

z

，因此不需要对其进行初始化

如果查看

variables.py

可以看到

initialize\u all\u variables是一个连接到所有初始化器的组节点

def initialize_variables(var_list, name="init"):
...

 return control_flow_ops.group(
        *[v.initializer for v in var_list], name=name)

查看

z.initializer

，您可以看到它是一个

Assign

节点。因此，在TensorFlow中计算

tf.初始化所有变量

与在

z.赋值（…