Python TensorFlow-显示会话中的所有变量

我玩了一点

import tensorflow as tf
x = tf.Variable([1.0, 2.0])
initializer = tf.global_variables_initializer()
session.run(initializer)
x
<tf.Variable 'Variable:0' shape=(2,) dtype=float32_ref>
y = 2 * x
y
<tf.Tensor 'mul:0' shape=(2,) dtype=float32>
z = y + 1
z
<tf.Tensor 'add:0' shape=(2,) dtype=float32>
v = session.run(x)
sess.run(initializer)
v = sess.run(x) 
print (v)
[ 1.  2.]
v1 = sess.run(z)
print (v1)
[ 3.  5.]
v = sess.run(x)

将tensorflow导入为tf
x=tf.变量（[1.0,2.0]）
initializer=tf.global\u variables\u initializer（）
session.run（初始值设定项）
x
y=2*x
Y
z=y+1
Z
v=会话。运行（x）
sess.run（初始值设定项）
v=sess.run（x）
印刷品（五）
[ 1.  2.]
v1=sess.run（z）
打印（v1）
[ 3.  5.]
v=sess.run（x）

我有3个变量x，y，z。是否可以从提示符显示一个命令定义的所有变量？ 如果我试一下乔纳斯的建议

new = tf.trainable_variables()
print (new)
[<tf.Variable 'Variable:0' shape=(2,) dtype=float32_ref>]

new=tf.可训练的变量（）
打印（新）
[]

tf.trainable_variables（）

打印出图形中的所有可训练变量，在您的示例中，该变量仅为x。在执行

y=2*x

时，实际上是隐式定义一个常量值

mul/x

，并将原始变量作为

变量/读取

如果运行以下代码：

x=tf.变量（1）
y=2*x
z=y+1
对于tf.get_default_graph（）.as_graph_def（）.节点中的v：
打印v.name

您将获得以下输出：

Variable/initial_value
Variable
Variable/Assign
Variable/read
mul/x
mul
add/y
add

这些是图形中的所有节点。您可以使用此选项筛选出所需的所有相关信息。针对您的情况，我不会调用

y

和

z

变量

请注意，这是从图形而不是会话获取所有信息。如果您想从特定会话中获取它，则需要获取相关会话并调用

sess.graph

---

最后请注意，上面的示例使用了

v.name

，但每个图形节点实际上具有更多属性，例如

name

，

op

，

input

，

device

，

attr

。有关更多信息，请参阅。

也许我误解了这个问题，但这有什么错

print(sess.run([x, y, z]))

---

您可以调用

tf.trainable\u variables（）

。查看我的编辑，这并不能解决问题。