使用未初始化值的张量流

Question

这是我的代码：

DbFunctions.TruncateTime()

错误是：

W_conv1 = tf.Variable(tf.truncated_normal([3,3,3,21], stddev=0.1), name = 'W')
b_conv1 = tf.Variable(tf.constant(0.1, shape=[21]))
W_conv2 = tf.Variable(tf.truncated_normal([3,3,21,63], stddev=0.1), name = 'W')
b_conv2 = tf.Variable(tf.constant(0.1, shape=[63]))

sess = tf.Session()
init = tf.global_variables_initializer()
init_lo = tf.local_variables_initializer()
sess.run(init_lo)
sess.run(init)

h_conv1 = tf.nn.relu(conv2d(x_, W_conv1) + b_conv1) 
h_conv2 = tf.nn.relu(conv2d(h_conv1, W_conv2) + b_conv2)
sess.run(h_conv2)

我运行我的代码，我初始化了值，出了点问题，我不知道为什么，以及如何处理它。这是我第二次运行代码，我只是添加了一些东西，但卷积层没有改变任何东西。是另一个代码的问题吗？

Answer 1

我怀疑对conv2d的调用是添加更多变量。如果您的代码段中的conv2d是tf.layers.conv2d的简写，那么就是这种情况。

您希望在定义变量后初始化所有变量，例如：

W_conv1 = tf.Variable(tf.truncated_normal([3,3,3,21], stddev=0.1), name = 'W')
b_conv1 = tf.Variable(tf.constant(0.1, shape=[21]))
W_conv2 = tf.Variable(tf.truncated_normal([3,3,21,63], stddev=0.1), name = 'W')
b_conv2 = tf.Variable(tf.constant(0.1, shape=[63]))

sess = tf.Session()


h_conv1 = tf.nn.relu(conv2d(x_, W_conv1) + b_conv1) 
h_conv2 = tf.nn.relu(conv2d(h_conv1, W_conv2) + b_conv2)

init = tf.global_variables_initializer()
init_lo = tf.local_variables_initializer()
sess.run(init_lo)
sess.run(init)

sess.run(h_conv2)

Holpe帮助。