可训练变量（Trainable Variables）是 TensorFlow 中用于存储模型参数的核心组件，它们在训练过程中会通过优化器自动更新。以下是关键概念与用法：

🔍 什么是可训练变量？

  • 可训练变量是 tf.Variable 的子类，通常通过 tf.keras.layers 或 tf.trainable_variables() 方法创建
  • 它们会自动被梯度计算和优化器更新（如 Adam、SGD）
  • 举例：
    w = tf.Variable(2.0, name='weight')
b = tf.Variable(3.0, name='bias')
    TensorFlow_trainables

🧠 核心功能

  • 自动梯度追踪：通过 tf.GradientTape 实现
  • 优化器集成：支持 optimizer.minimize() 直接操作
  • 可读性：变量名会自动加入计算图（Graph）

📚 扩展阅读

如需深入理解变量和优化器的交互机制，请访问：/tensorflow/docs/api/variables

Variables_and_Optimizers