Tensorflow：使用单个初始化对象初始化所有变量

Question

在Tensorflow中，我想知道使用相同的初始化对象初始化多个变量和为每个变量使用单独的初始化程序之间是否存在差异（假设我们对所有变量使用相同的初始化方法）。

例如：

initializer = tf.contrib.layers.xavier_initializer()
C = tf.get_variable(name="ConvFilter", shape=[5, 5, 1, feature_count], initializer=initializer,
                dtype=tf.float32)
b_c = tf.get_variable(name="ConvBias", shape=(feature_count,), initializer=initializer, dtype=tf.float32)

和

initializer1 = tf.contrib.layers.xavier_initializer()
C = tf.get_variable(name="ConvFilter", shape=[5, 5, 1, feature_count], initializer=initializer1 ,
                dtype=tf.float32)
initializer2 = tf.contrib.layers.xavier_initializer()
b_c = tf.get_variable(name="ConvBias", shape=(feature_count,), initializer=initializer2 , dtype=tf.float32)

我想当进行tf.global_variables_initializer()评估时，在第一种情况下，使用相同的种子多次执行相同的initializer对象，在第二个示例中，执行不同的对象与不同的种子。但我想确定这是否真的像我猜的那样。应该优先考虑哪种方法？