5. 变量
变量也是一种operation，是一种特殊的张量，与张量不同的是变量op可以持久化，而普通张量op不能，所以变量可以用来存储训练模型的各种参数
import tensorflow as tf # 创建一个变量 var = tf.Variable(tf.random_normal([2, 3], mean=1.2, stddev=2.0)) print(var) # 变量初始化，如果要在会话中用到变量计算必须要初始化所有变量，否则会报错 init_op = tf.global_variables_initializer() with tf.compat.v1.Session() as sess: # 必须先执行变量初始化，才能进行后续的变量计算 sess.run(init_op) print(sess.run(var))6. 可视化
可视化的简单流程是：将程序图结构序列化形成事件文件(events)保存起来，然后用web界面(tensorboard)读取并显示这些储存好的事件文件。用summary模块来管理可视化
import tensorflow as tf # 创建一个变量 var = tf.Variable(tf.random_normal([2, 3], mean=1.2, stddev=2.0)) # 创建一个加法 a = tf.constant(3.0) b = tf.constant(4.0) sum1 = tf.add(a, b) # 变量初始化，如果要在会话中用到变量计算必须要初始化所有变量，否则会报错 init_op = tf.global_variables_initializer() with tf.Session() as sess: # 必须先执行变量初始化，才能进行后续的变量计算 sess.run(init_op) # 把程序的图结构写入事件文件，graph：把指定的图写入到文件中去 tf.summary.FileWriter("./summary/learning/", graph=sess.graph) print(sess.run(sum1)) print(sess.run(var))运行完后在设定的目录下会生成一个文件，新创建的文件都是以本机域名结尾，如下图所示：
生成文件后，使用tensorboard将文件发布到服务中，如图下所示：
然后在浏览器中输入http://localhost:6006或者http://127.0.0.1:6006，就会出现下图界面：
