为什么需要使用tf.Variable？

Question

在下面的代码中，我无法理解使用tf.Variable的需要吗？无论使用tf.Variable还是忽略它，我都得到相同的值。

`initial = tf.Variable(tf.truncated_normal(shape=[1,10,1], mean=0, 
stddev=0.1,seed=123))`

Answer 1

正如我在另一篇文章中回答的那样，我将再次发布它，在tensorflow中，使用tf.Variable()创建的任何内容都会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，除非明确指定tf.Variable()，否则每个non-trainable都是可训练的。

如果您执行此initial = tf.truncated_normal([5,10], mean=0, stddev=0.1)，那么张量流将不会知道它是一个可训练的变量，因此将不会被训练。在整个训练过程中，它将保持不变。