https://tensorflow.google.cn/api_docs/python/tf/Variable

通过创建Variable类的实例向graph中添加变量。

Variable()需要初始值，一旦初始值确定，那么该变量的类型和形状都确定了。
更改值通过assign方法。
想要改变形状，需要使用assign+validate_shape=False。

想要运行graph，必须先显式初始化变量。
初始化变量3种方法：
①运行它的initializerop，
②从save file中恢复变量
③运行 assign操作，把初值赋给变量。

# Launch the graph in a session.
with tf.Session() as sess:
    # Run the variable initializer.
    sess.run(w.initializer)
    # ...you now can run ops that use the value of 'w'...

但是最常用的初始化方式，是global_variables_initializer()，它可以添加一个op到graph里，这个op可以初始化所有变量。在launch图后，运行这个op。

# Add an Op to initialize global variables.
init_op = tf.global_variables_initializer()

# Launch the graph in a session.
with tf.Session() as sess:
    # Run the Op that initializes global variables.
    sess.run(init_op)
    # ...you can now run any Op that uses variable values...

若想创建一个依赖于其他变量的变量，（If you need to create a variable with an initial value dependent on another variable），用那个变量的initialized_value()(Variable类有这个方法）.

所有变量都自动收集到创建它们的图中。默认情况下，创建器把新变量添加到图集合GraphKeys.GLOBAL_VARIABLES中。
这个方便的global_variables()函数返回GraphKeys.GLOBAL_VARIABLES的内容。

在构建机器学习模型时，通常可以方便地区分包含可训练模型参数的变量和其他变量，例如用于计算训练步骤的全局步骤变量。所以，变量构造器支持trainable=<bool>参数。若为True，则新变量会同时被添加到图集合GraphKeys.TRAINABLE_VARIABLES.中。
这个方便的trainable_variables()函数返回GraphKeys.TRAINABLE_VARIABLES的内容
多种多样的Optimizer类把这个集合作为默认的优化变量列表。

从图上看懂tf.Variable()运行机制

代码1

import tensorflow as tf

a = tf.Variable(3, name='lxq')
b = tf.Variable(4, name='lxq2')
# a.assign_add(1)
# c = a+b
init = tf.global_variables_initializer()  # 替换成这样就好
sess = tf.Session()
writer=tf.summary.FileWriter("logs", sess.graph)  # 文件写在该.py文件同级logs文件夹下
sess.run(init)

代码2(从代码1中增加）

import tensorflow as tf

a = tf.Variable(3, name='lxq')
b = tf.Variable(4, name='lxq2')
a.assign_add(1)
c = a+b
init = tf.global_variables_initializer()  # 替换成这样就好
sess = tf.Session()
writer=tf.summary.FileWriter("logs", sess.graph)  # 文件写在该.py文件同级logs文件夹下
sess.run(init)
sess.run(c)

解析一下：
initial_value是tf.Variable()的第一个参数，小圆圈是常量的意思，实心箭头是数据流；
把initial_value通过了assign操作，椭圆表示操作节点(OpNode)，该操作节点依赖于init操作；
同理，value是常量，通过数据流传递给AssignAdd操作节点。
lxq这个变量，参考两个量（黄色箭头是参考边，猜测lxq这个操作节点有判断选取哪一个值的功能），存在lxq中；
如果外部需要lxq这个变量，lxq存入的值（标量）会先传递给读取节点，然后数据流传向下一个操作节点add。