tf.Variable

Vatiable是tensorflow的变量节点，通过Variable方法创建，并且需要传递初始值。在使用前需要通过tensorflow的初始化方法进行初始化

创建方法

W = tf.Variable(
                initial_value=tf.zeros([9, 5]),  
                        # 初始值，必填，张量或可以转换为张量的Python对象。初始值必须有指定一个形状，除非`validate_shape`设置为False。
                trainable=True,  
                        # 如果`True`，则默认值也将变量添加到图形中集合`GraphKeys.TRAINABLE_VARIABLES`。
                        #这个集合用作“Optimizer”类使用的默认变量列表
                collections=None,  
                        # 图表集合键的列表。新的变量被添加到这些集合。默认为`[GraphKeys.GLOBAL_VARIABLES]`。
                validate_shape=True, 
                        # 如果`False`，允许变量用初始化未知形状的值。如果“True”，默认的形状`initial_value`必须是已知的。
                 caching_device=None,  
                        # 可选设备字符串，描述变量的位置应该被缓存以供阅读。默认为变量的设备。如果不是“None”，则缓存在另一个设备上。
                        #典型的用途是缓存在使用变量 的Ops所在的设备上进行重复数据删除复制`Switch`和其他条件语句。
                 name='W',  
                        # 变量的可选名称。默认为“Variable”并获取自动去重（Variable_1,Variable_2....）。
                 variable_def=None,
                        # `VariableDef`协议缓冲区。如果不是“无”，则重新创建变量对象及其内容，引用变量的节点在图中，必须已经存在。
                        #图形没有改变。`variable_def`和其他参数是互斥的。
                dtype=tf.float32,
                        # 如果设置，initial_value将被转换为给定的类型。如果`None'，数据类型将被保存
                        #（如果`initial_value`是一个张量），或者“convert_to_tensor”来决定。
                expected_shape=None,  
                        # 张量的Shape。如果设置，initial_value需要符合这个形状。
                 import_scope=None
                        # 可选的字符串。名称范围添加到`Variable.`仅在从协议缓冲区初始化时使用。
                    )