上QQ阅读APP看书，第一时间看更新
2.7 使用变量
使用TensorFlow的常量是一个好的开始，但是大多数有趣的应用程序都需要变化的数据。例如，神经学家可能会对通过传感器测量神经的活动感兴趣。神经的活动脉冲可能是一个随时间变化的布尔变量。要在TensorFlow中捕获此活动，你可以使用一个Variable类来表示一个节点，其值随时间变化。
在机器学习中使用变量的例子
通过线性方程对多个点的最佳拟合是一个经典机器学习问题，在第3章会有更详细的讨论。该算法从最初的猜测开始，这是一个由几个数字（如斜率或Y轴截距）表示的方程。随着时间的推移，该算法对这些数字产生越来越好的猜测，这些数字也被称为参数。
到目前为止，我们只处理了常数。然而，对于现实世界的应用程序来说，只有常量的程序不那么有趣，所以TensorFlow允许使用更丰富的工具，比如变量，它装载可以随时间变化的值。在机器学习的世界里，参数通常会波动直至稳定下来。这使得变量成为一个很好的数据结构。
清单2.8中的代码是一个简单的TensorFlow程序，它演示了如何使用变量。当连续数据的值突然增加时，它就更新变量。想象一下随着时间的推移对神经元活动的记录。这段代码可以检测出神经元的活动突然激增。当然，出于教学目的，这个算法是过度简化了的。
从导入TensorFlow开始，TensorFlow允许你使用tf.InteractiveSession()声明一个会话。当你声明了一个交互式会话时，TensorFlow函数不需要会话属性，这使得在Jupyter Notebook中编写代码更容易。
清单2.8 使用变量
清单2.8的预期输出是一个随时间变化的脉冲值列表：
