如何使用张量初始化tensorflow中的变量？

Question

我正在尝试使用tf.nn.embedding_lookup()并收到以下警告：

UserWarning: Converting sparse IndexedSlices to a dense Tensor of unknown shape. This may consume a large amount of memory.

我在此link中读到，为避免此问题，我们应确保输入到tf.nn.embedding_lookup()的参数是tf.Variable

但是我传递给tf.nn.embedding_lookup()的张量已经是另一个操作的输出，并且我想我无法使用它来初始化tf.Variable。

有没有办法将张量转换为tf.variable或用另一个张量初始化一个张量？

Answer 1

  

tf.Variable代表一个张量，其值可以通过以下方式更改   在上面运行操作。

     

在内部，一个tf.Variable存储一个持久张量。

来源：https://www.tensorflow.org/guide/variables

您可以使用 Tensor 对象tf.Tensor

初始化tf.Variable。

# Create a variable.
w = tf.Variable(<initial-value>, name=<optional-name>)

initial_value ：一个Tensor或可转换为Tensor的Python对象，它是变量的初始值。

除非将validate_shape设置为False，否则初始值必须具有指定的形状。也可以是不带参数的可调用对象，该参数在被调用时返回初始值。在这种情况下，必须指定dtype。

（请注意，init_ops.py中的初始化函数必须先绑定到形状上，然后才能在此处使用。）

总而言之，您可以使用另一个 Tensor 对象初始化tf.Variable。