Question

我正在使用以下代码在TensorFlow图中抓取张量：

names = [var.name for var in self.graph.get_collection('trainable_variables')]
tensor = graph.get_tensor_by_name(names[0])
sess.run(tensor)

如何设置tensor？

的值

Answer 1

大多数TensorFlow张量（tf.Tensor个对象）都是不可变的，因此您不能简单地为它们分配值。但是，如果您将张量创建为tf.Variable，则可以通过调用Variable.assign()为其指定值。

您不必要地将tf.Variable对象（来自tf.trainable_variables()列表）转换为字符串名称。相反，您可以执行以下操作：

# Get the 0th trainable variable.
var = tf.trainable_variables()[0]

# Create an op to assign a new value.
assign_op = var.assign([[1.0, 2.0], [3.0, 4.0]])

# Actually run the assignment.
sess.run(assign_op)

然而，根据您的评论，您有多个图表（即self.graph和graph不同），因此我上面写的一般解决方案无效。在这种情况下，您有两个选择：

在其他图表中按名称获取变量（ NB 这仅在填充了graph_2.get_collection('trainable_variables')时才有效;如果您使用了tf.import_graph_def()，它将无效构建图表）：

var_name = graph_1.get_collection('trainable_variables')[0].name

var_in_g2 = [v for v in graph_2.get_collection('trainable_variables')
             if v.name == var_name][0]

assign_op = var_in_g2.assign([[1.0, 2.0], [3.0, 4.0]])
sess.run(assign_op)

在其他图表中按名称获取张量，并使用tf.assign()：

var_name = graph_1.get_collection('trainable_variables')[0].name

var_in_g2 = graph_2.get_tensor_by_name(var_name)

assign_op = tf.assign(var_in_g2, [[1.0, 2.0], [3.0, 4.0]])
sess.run(assign_op)

通过名称分配张量的值

1 个答案: