Question

我想在Tensorflow中为一批示例运行一些优化过程，并且我已经对这些变量进行了一些原始估计以进行优化。所以我想用这些估计值初始化变量，而不是一些随机数或零。

所以我想知道我该怎么做？请注意，初始化值取决于样本。我的计划是将初始化提供给某个占位符，然后从该占位符初始化变量，但这不起作用。

Answer 1

我相信这对你的问题来说是一个好的开始：

import numpy as np
import tensorflow as tf

#This should be your raw estimation for the variables.
#Here I am using random numers as an example.
estimated_raw = np.random.uniform(-1,1,[2,3])

#This trainable variable will be initialized with estimated_raw
var = tf.get_variable('var', initializer=estimated_raw)

# Testing if everything is ok
with tf.Session() as sess:
  var.initializer.run()
  print(var.eval())

通过这种方式，您可以使用估计初始化变量。优化器将进一步发展。

Answer 2

定义操作update_estimates = tf.assign(variable,estimated_value)，其中estimated_value是tf.placeholder，它将以numpy数组的形式包含您的猜测。

然后你做一个简单的事情 sess.run(update_estimates, feed_dict={estimated_value:numpy_array})。

tf.get_variable()可能非常有用，但对于初学者，我会反对它。

如何在Tensorflow中动态初始化变量？

2 个答案: