对于tensorflow，sess.run()机制的理解

import tensorflow as tf
import numpy as np

x_data=np.random.rand(100).astype(np.float32)
y_data=x_data*0.1+0.3

weights=tf.Variable(tf.random_uniform([1],-1.0,1.0))
biases=tf.Variable(tf.zeros([1]))

y=weights*x_data+biases

loss=tf.reduce_mean(tf.square(y-y_data))
optimizer=tf.train.GradientDescentOptimizer(0.5)
train=optimizer.minimize(loss)

init=tf.global_variables_initializer()

sess=tf.Session()

sess.run(init)

for step in range(201):
    sess.run(train)
    if step%20==0:
        print(step,sess.run(weights),sess.run(biases))

这段代码中，有几行代码需要注意，有两行是对Variable的赋值（weights，biases），要注意这两行代码，相当于tensorflow里面流图的两个operation，这两行代码并未对weights和biases进行赋值做，而仅仅是定义了 op的作用，而真正的复制初始化操作实在后面的sess.run（init），进行操作的，sess.run（）**这两个op。