Question

def weight_variable(shape, l2_reg_lambda=None, l1_reg_lambda=None):
  regularizer = None
  if l2_reg_lambda:
      regularizer = tf.contrib.layers.l2_regularizer(l2_reg_lambda)
  elif l1_reg_lambda:
      regularizer = tf.contrib.layers.l1_regularizer(l1_reg_lambda)
  return tf.get_variable('weight', shape, initializer=tf.random_normal_initializer(stddev=0.1), regularizer=regularizer)


def bias_variable(shape):
  return tf.get_variable('bias', shape, initializer=tf.constant_initializer(0.1))


def full_connect(inputs, num_units, activation=None, name='full_connect'):
  with tf.variable_scope(name):
    shape = [inputs.get_shape()[-1], num_units]
    weight = weight_variable(shape)
    bias = bias_variable(shape[-1])
    outputs = tf.matmul(inputs, weight) + bias
    if activation=="relu":
      outputs = tf.nn.relu(outputs)
    elif activation == "tanh":
      outputs = tf.tanh(outputs)
    elif activation == "sigmoid":
      outputs = tf.nn.sigmoid(outputs)
    return outputs

这是我的完整连接层。我在这个图中使用它。

nn_layers.full_connect_(self.wide_deep_embed, config.num_classes, activation='sigmoid', name='output_layer')

当下一批数据进入时，在weight_variable中初始化的权重是否会再次初始化？或者只是在第一次从随机正态分布初始化？感谢。

Answer 1

变量初始化与输入数据没有任何共同之处。

一旦构建了图形，就会分配和初始化变量。之后，图表是静态的，不会改变。初始化只进行一次。

Answer 2

变量值仅存在于会话（tf.Session（））中，而不存在于图形上。只要批次之间保持会话，权重就不会重新初始化。

如E_net4所述，会话中需要显式初始化。

当下一批产品进入时，重量会再次初始化吗？

2 个答案: