環境：Ubuntu14.04，tensorflow=1.4(bazel源碼安裝)，Anaconda python=3.6

聲明變量主要有兩種方法：tf.Variable和 tf.get_variable，二者的最大區別是：

(1) tf.Variable是一個類，自帶很多屬性函數；而 tf.get_variable是一個函數;
(2) tf.Variable只能生成獨一無二的變量，即如果給出的name已經存在，則會自動修改生成新的變量name;
(3) tf.get_variable可以用于生成共享變量。默認情況下，該函數會進行變量名檢查，如果有重復則會報錯。當在指定變量域中聲明可

以變量共享時，可以重復使用該變量（例如RNN中的參數共享）。
下面給出簡單的的示例程序：

import tensorflow as tfwith tf.variable_scope('scope1',reuse=tf.AUTO_REUSE) as scope1:  x1 = tf.Variable(tf.ones([1]),name='x1')  x2 = tf.Variable(tf.zeros([1]),name='x1')  y1 = tf.get_variable('y1',initializer=1.0)  y2 = tf.get_variable('y1',initializer=0.0)  init = tf.global_variables_initializer()  with tf.Session() as sess:    sess.run(init)    print(x1.name,x1.eval())    print(x2.name,x2.eval())    print(y1.name,y1.eval())    print(y2.name,y2.eval())

輸出結果為：

scope1/x1:0 [ 1.]scope1/x1_1:0 [ 0.]scope1/y1:0 1.0scope1/y1:0 1.0

1. tf.Variable(…)

tf.Variable(…)使用給定初始值來創建一個新變量，該變量會默認添加到 graph collections listed in collections, which defaults to [GraphKeys.GLOBAL_VARIABLES]。

如果trainable屬性被設置為True，該變量同時也會被添加到graph collection GraphKeys.TRAINABLE_VARIABLES.

# tf.Variable__init__(  initial_value=None,  trainable=True,  collections=None,  validate_shape=True,  caching_device=None,  name=None,  variable_def=None,  dtype=None,  expected_shape=None,  import_scope=None,  constraint=None)

2. tf.get_variable(…)

tf.get_variable(…)的返回值有兩種情形：

使用指定的initializer來創建一個新變量；
當變量重用時，根據變量名搜索返回一個由tf.get_variable創建的已經存在的變量；

get_variable(  name,  shape=None,  dtype=None,  initializer=None,  regularizer=None,  trainable=True,  collections=None,  caching_device=None,  partitioner=None,  validate_shape=True,  use_resource=None,  custom_getter=None,  constraint=None)

3. 根據名稱查找變量

在創建變量時，即使我們不指定變量名稱，程序也會自動進行命名。于是，我們可以很方便的根據名稱來查找變量，這在抓取參數、finetune模型等很多時候都很有用。

示例1：

通過在tf.global_variables()變量列表中，根據變量名進行匹配搜索查找。 該種搜索方式，可以同時找到由tf.Variable或者tf.get_variable創建的變量。

import tensorflow as tfx = tf.Variable(1,name='x')y = tf.get_variable(name='y',shape=[1,2])for var in tf.global_variables():  if var.name == 'x:0':    print(var)