Question

在TensorFlow中使用tf.train.Saver存储和恢复变量时，将初始值设置为张量时会得到随机值，为什么？

我有两种创建变量的方法，一种是使用函数进行初始化，另一种是使用张量：

# Way 1, works when restoring
T = tf.get_variable('T', shape=[3], initializer = tf.zeros_initializer)
# Way 2-a, doesn't work when restoring
T = tf.get_variable('T', initializer = [1,2,3]) # Doesn't restore
# Way 2-b
T = tf.Variable(name='T', initial_value=[1,2,3]) # Doesn't restore
# Way 2-c
T = tf.Variable(name='T', initial_value=tf.constant([1,2,3])) # Doesn't restore

当我尝试使用第二种方法还原变量时，值似乎是随机生成的。

我创建了一个Jupyter笔记本来查看实际问题（除了按Enter键，您无需执行任何操作）：https://colab.research.google.com/drive/1QoJ_YFYZQe3GSAi3Lr7wOnsnt2jCjPR7。

我想念什么吗？为什么会这样？是虫子吗？这似乎与我的直觉相反。

Answer 1

尝试使用tf.constant_initializer：

T = tf.get_variable('T', shape=[3], 
                    initializer=tf.constant_initializer([1,2,3]))

摘自tf.get_variable上的文档：

初始化程序也可以是Tensor，在这种情况下，变量将初始化为该值和形状。

因此，您也可以将其设置为显式张量，在这种情况下，您无需传递形状。像这样：

T = tf.get_variable('T', initializer=tf.constant([1,2,3]))

我认为问题出在传递列表而不是张量，尽管通常TF会自动将数组式转换为张量，所以对我来说有点奇怪。

当将初始值设置为张量时，为什么会得到随机值？

1 个答案: