在TensorFlow中自动初始化随机变量

Question

问题

我希望能够构建一个TF图，如果尚未初始化随机变量，则该图将自动初始化，否则将使用该变量而无需重新初始化。我该怎么做？

用例

我正在图书馆。给定一个未知尺寸的任意输入张量，我想生成一个相同尺寸的随机张量并对其进行处理。但是，在随后调用session.run(...)时，我希望该随机张量保持不变。我首先只是做了rand_tens = tf.random_normal(tf.shape(input_tensor))，但是随后每个每次rand_tens的调用中session.run都是不同的。所以我开始使用Variable。

尝试

第一

只需创建一个变量，然后让调用者使用tf.global_variables_initializer对其进行初始化。这样做的问题在于变量的形状取决于输入张量，因此这会在运行global_variables_initializer时强制调用者提供输入。 （我不希望采用静态已知的形状。）而且，如果输入张量的形状发生变化，则需要选择重新初始化，而调用者必须进行重新初始化。

第二

检测随机变量是否未初始化（或者如果形状已更改，则进行检测），如果初始化，则进行检测。简化版显示了我遇到的困难：

import tensorflow as tf

with tf.Graph().as_default():
    rand = tf.random_normal(())

    var = tf.Variable(name='var', initial_value=rand)

    should_init_var = tf.logical_not(tf.is_variable_initialized(var))

    def init():
        init_op = tf.group(tf.variables_initializer([var]), tf.print('Initializing'))
        with tf.control_dependencies([init_op]):
            return var.read_value()

    def no_init():
        with tf.control_dependencies([tf.print('Not initializing')]):
            return var.read_value()

    auto_init_var = tf.cond(should_init_var, init, no_init)

    with tf.Session() as s:
        print(s.run(auto_init_var))
        print(s.run(var))
        print('--')
        print(s.run(auto_init_var))
        print(s.run(var))

这将输出：

Initializing
0.12299147
0.12299147
--
Not initializing
0.6971085
0.6971085

在auto_init_var的第二次运行中，它似乎没有重新初始化，但是值有所不同！非常奇怪……我猜想它与this有关，但是我确实将init op放在了cond分支的主体内，所以我不确定是什么问题。 ..

我也看到过this，但这涉及到多个对session.run的呼叫，我不想对呼叫者进行呼叫。