tf.placeholder怎么改成tf.Variable

`tf.placeholder` 是在早期 TensorFlow 版本中使用的占位符操作符，它在图执行前预留空间，以便在运行时传入数据。而从 TF 2.0 开始，`tf.placeholder` 被官方建议弃用，转而使用 `tf.Variable` 来创建常量变量，特别是当你需要在程序执行期间动态赋值的数据。

如果你想用 `tf.Variable` 替代 `tf.placeholder`，你需要做以下几点：

1. **创建常量变量**：使用 `tf.Variable(initial_value=None, trainable=True, name=None)` 函数创建一个变量，`initial_value` 设置初始值，`trainable` 表示是否参与训练，`name` 是变量名称。

   variable = tf.Variable(tf.zeros([batch_size, input_shape]))

2. **初始化变量**：在每次会话开始之前，你需要通过 `.assign` 或 `.initializer` 初始化变量，如果是模型的权重，则通常会在构建 `tf.keras.Model` 的时候一起完成自动初始化。

   sess.run(variable.initializer)

3. **传入数据**：如果需要动态输入数据，可以直接赋值给变量，而不是像 placeholder 那样留空。

   # 在某个时刻赋予数据
   variable.assign(new_data)

4. **注意区分训练模式和评估模式**：对于需要在整个计算图中保持不变的参数，可以设置其`trainable=False`。

总之，`tf.Variable` 更加通用，不仅可以用作占位符，还可以存储模型参数等。但在处理需要延迟赋值的情况时，可以选择 `tf.Variable` 的 `assign` 功能。