Python 当实际需要全局变量时

我无法理解何时实际需要

global\u variables\u initializer（）

。在上面的代码中，如果我们取消注释第4行和第7行，我可以执行代码并查看值。如果我按原样跑，我会看到撞车

我的问题是它正在初始化哪些变量

x

是一个不需要初始化的常数，

y

是一个未初始化但用作算术运算的变量。

来自（强调部分）：

调用tf.Variable（）会在图形中添加几个操作：

• 保存变量值的变量op
• 将变量设置为初始值的初始值设定项op。这实际上是一个tf.assign op
• 初始值的op，例如示例中偏差变量的零op也添加到图形中

后来,

变量初始值设定项必须在系统中的其他操作之前显式运行 模型可以运行。最简单的方法是添加一个运行 所有变量初始值设定项，并在使用模型之前运行该操作

简而言之，

global\u variables\u initializer

是不需要的，

Variable

初始化是不需要的。只要代码中有

变量

，就必须首先初始化它们。

global\u variables\u initializer

helper初始化所有先前声明的

变量，因此这是一种非常方便的方式。
是初始化所有全局变量的快捷方式。它不是必需的，您可以使用其他方法初始化变量，或者在使用简单脚本的情况下，有时根本不需要初始化它们

除变量外的所有内容都不需要初始化（常量和占位符）。但是使用的每个变量（即使是常量）都应该初始化。这将给您一个错误，尽管
z
只是一个只有一个数字的0-d张量

import tensorflow as tf
x = tf.constant(35, name='x')
y = tf.Variable(x + 5, name='y')
# model = tf.global_variables_initializer()
with tf.Session() as session:
        print("x = ", session.run(x)) 
        # session.run(model)
        print("y = ", session.run(y))

我突出显示了使用的单词，因为如果您只是有未运行的变量（或不运行的变量取决于它们），则不需要初始化它们


例如，此代码执行时不会出现任何问题，但它有两个变量和一个依赖于它们的操作。但这项运动并不需要它们

import tensorflow as tf
z = tf.Variable(4)
with tf.Session() as session:
        print(session.run(z)) 

除非您在tensorflow会话运行中使用声明的
tf.Variable
或
tf.placeholder
，否则这永远不是必需的。就我个人而言，我总是习惯于运行
tf.global\u variables\u initializer（）
。运行tensorflow模型时，它几乎成为锅炉板代码的一部分：

import tensorflow as tf
x = tf.constant(35, name='x')
y = tf.Variable(x + 5, name='y')
z = tf.Variable(4)
a = y + z
with tf.Session() as session:
        print("x = ", session.run(x)) 

tf.global\u variables\u初始化器
只初始化
tf.global\u variables（）
将列出的所有变量。在分布式环境中，图形可能位于集群中的不同计算节点中，这实际上很有意义

在这种情况下，
tf.global\u variables\u initializer（）
，它只是
tf.variables\u initializer（tf.global\u variables（））的别名。将初始化图形所在的所有计算节点中的所有变量。
在我的代码中，没有类似于“z=tf.Variable（4）”的“显式初始化”对于一个变量。但我使用了变量y，它是算术运算的输出，它通过sess.run（）进行计算。在这种情况下，它需要“隐式初始化”，因此我们需要变量初始化？@Vinay“无显式初始化”是什么意思？如果不是初始化，这是什么
tf.Variable（x+5，name='y'）
谢谢，你说得对。我认为那句话是算术运算，而不是初始化。
with tf.Session(graph=graph) as sess:
    sess.run(tf.global_variables_initializer())

    # run model etc...