|
1
2
3
4
|
#variables ...........#..................... init = tf.initialize_all_variables()sess.run(init) |
这里 tf.initialize_all_variables() 会初始化所有的变量。
实际过程中，假设有a, b, c三个变量，其中a已经被初始化了，只想单独初始化b，c，那么：
|
1
2
3
4
|
#variables ......init = tf.variables_initializer([b,c])sess.run(init) |
此外，如果自行修改了optimizer，如下代码就会报错：
|
1
2
3
4
5
|
#definition of variables a, b, c .......my_optimizer = tf.train.RMSProp(learning_rate = 0.1).minimize(my_cost)init = tf.variables_initializer([b,c])sess.run(init) |
这是因为自己定义的optimizer会生成新的variables，但是在init里面并没有初始化，所以无法访问，会报错。解决方法如下：
|
1
2
3
4
5
6
7
8
|
a = tf.Variables(...) #line Ntemp = set(tf.all_variables()) b = tf.Variables(...)c = tf.Variables(...) #definition of my optimizeroptimizer = tf.train.......init = tf.variables_initializer(set(tf.all_varialbles())-temp) # line Msess.run(init) |
首先，temp = set(tf.all_variables()) 将该行(line N)代码之前的所有变量保存在temp中，接下来定义变量b, c，以及自定义的optimizer，然后 set(tf.all_varialbles()存储了改行(line M)之前的所有变量（包括optimizer生成的变量以及temp中所含的变量），set(tf.all_varialbles())-temp相减得到line N~M这几行定义的变量。
以上这篇Tensorflow 自定义loss的情况下初始化部分变量方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/chenxicx1992/article/details/56483180
