一般來說，列印tensorflow變數的函式有兩個：
tf.trainable_variables () 和 tf.all_variables()
不同的是：
tf.trainable_variables () 指的是需要訓練的變數
tf.all_variables() 指的是所有變數

一般而言，我們更關注需要訓練的訓練變數：
值得注意的是，在輸出變數名時，要對整個graph進行初始化

一、列印需要訓練的變數名稱

variable_name = [v.name for v in tf.trainable_variables()]
print(variable_names)

二、列印需要訓練的變數名稱和變數值

variable_names = [v.name for v in tf.trainable_variables()]
values = sess.run(variable_names)
for k,v in zip(variable_names, values):
	print("Variable: ", k)
	print("Shape: ", v.shape)
	print(v)

這裡提供一個函式，列印變數名稱，shape及其變數數目

def print_num_of_total_parameters(output_detail=False, output_to_logging=False):
	total_parameters = 0
	parameters_string = ""

	for variable in tf.trainable_variables():

		shape = variable.get_shape()
		variable_parameters = 1
		for dim in shape:
			variable_parameters *= dim.value
		total_parameters += variable_parameters
		if len(shape) == 1:
			parameters_string += ("%s %d, " % (variable.name, variable_parameters))
		else:
			parameters_string += ("%s %s=%d, " % (variable.name, str(shape), variable_parameters))

	if output_to_logging:
		if output_detail:
			logging.info(parameters_string)
		logging.info("Total %d variables, %s params" % (len(tf.trainable_variables()), "{:,}".format(total_parameters)))
	else:
		if output_detail:
			print(parameters_string)
		print("Total %d variables, %s params" % (len(tf.trainable_variables()), "{:,}".format(total_parameters)))