Tensorflow 变量如何维护图形的状态？

我正在努力学习tensorflow。我真的对tf.Variable的用法感到困惑。我知道在机器学习中，我们必须随机为过滤器分配权重。但这可以通过tf.u normal函数实现。那么tf.Variable在这里的作用是什么？文档说明tf.Variable维护图形的状态。这是什么意思？若省略tf，变量结果是相同的。那么tf.Variable的作用是什么呢？有人能帮我理解这一点吗

`def weight_variable(shape):
    initial = tf.truncated_normal(shape, mean=0, stddev=0.1)
    return tf.Variable(initial)
#function call
filter = weight_variable([1,2,2,1])`

---

在

tensorflow

中，使用

tf.Variable（）

创建的任何内容都将在反向传播训练期间得到更新，例如，权重矩阵

理想情况下，默认情况下，每个

tf.Variable（）

都是可训练的，除非您明确指定它为

不可训练的

如果您这样做
initial=tf.truncated_normal（[5,10]，mean=0，stddev=0.1）
，那么tensorflow将不知道它是一个可训练变量，因此不会训练它。它将在整个训练过程中保持不变