训练好了一个网络，想要查看网络里面参数是否经过BP算法优化过，可以直接读取网络里面的参数，如果一直是随机初始化的值，则证明训练代码有问题，需要改。
下面介绍如何直接读取网络的weight 和 bias。
(1) 获取参数的变量名。可以使用一下函数获取变量名：
def vars_generate1(self,scope_name_var): return [var for var in tf.global_variables() if scope_name_var in var.name ]
tensorflow版本1.4
获取变量维度是一个使用频繁的操作，在tensorflow中获取变量维度主要用到的操作有以下三种：
Tensor.shape
Tensor.get_shape()
tf.shape(input,name=None,out_type=tf.int32)
对上面三种操作做一下简单分析：（这三种操作先记作A、B、C）
A 和 B 基本一样，只不过前者是Tensor的属性变量，后者是Tensor的函数。
A 和 B 均返回TensorShape类型，而 C 返回
刚开始学习tensorflow，还不太会用，开个博记录，今天遇到一个问题是用tf.layers.dense创建的全连接层，如何查看权重？
知道kernel表示了权重，但是如何提示成变量？
我分成两步：
1、查看tensor：tf.trainable_variables()
命令行里中运行即可，如下图：
可以看到tensor的name，或用更简洁的方式：variable_name = [v.name for v in tf.trainable_variables()]
运行后，trainable
variables_to_restore函数，是TensorFlow为滑动平均值提供。之前，也介绍过通过使用滑动平均值可以让神经网络模型更加的健壮。我们也知道，其实在TensorFlow中，变量的滑动平均值都是由影子变量所维护的，如果你想要获取变量的滑动平均值需要获取的是影子变量而不是变量本身。
1、滑动平均值模型文件的保存
import tensorflow as tf
if __name__ == __main__:
v = tf.Variable(0.,name=v)
#设置滑动平均
