在TensorFlow中训练后没有更新变量，即使是在简单逻辑回归的均匀随机启动时也是如此

在TensorFlow中训练后没有更新变量，可能是由于多种原因造成的。以下是一些基础概念、可能的原因以及解决方案：

基础概念

TensorFlow是一个开源的机器学习库，它使用数据流图来表示计算。在TensorFlow中，变量（Variables）是需要学习的参数，它们在训练过程中会被更新。

可能的原因

没有正确初始化变量：在使用变量之前，需要先初始化它们。
没有正确设置优化器：优化器负责更新变量的值。
没有正确运行训练操作：需要运行训练操作来更新变量。
使用了错误的会话（Session）：在TensorFlow 2.x中，默认是Eager Execution模式，不需要显式创建会话。

解决方案

以下是一个简单的逻辑回归示例，展示了如何在TensorFlow中正确初始化变量、设置优化器并运行训练操作：

import tensorflow as tf

# 生成模拟数据
X_train = tf.random.normal([100, 1])
y_train = tf.cast(X_train > 0, tf.float32)

# 定义模型参数
W = tf.Variable(tf.random.normal([1, 1]), name='weight')
b = tf.Variable(tf.zeros([1]), name='bias')

# 定义模型
def logistic_regression(x):
    return tf.sigmoid(tf.matmul(x, W) + b)

# 定义损失函数
def loss_fn(y_true, y_pred):
    return tf.reduce_mean(-y_true * tf.math.log(y_pred) - (1 - y_true) * tf.math.log(1 - y_pred))

# 定义优化器
optimizer = tf.optimizers.SGD(learning_rate=0.01)

# 训练操作
train_op = optimizer.minimize(loss_fn, var_list=[W, b])

# 初始化变量
init = tf.global_variables_initializer()

# 运行训练
with tf.compat.v1.Session() as sess:
    sess.run(init)
    for epoch in range(100):
        _, loss = sess.run([train_op, loss_fn(y_train, logistic_regression(X_train))])
        if epoch % 10 == 0:
            print(f'Epoch {epoch}, Loss: {loss}')