首页 文章

在Tensorflow中更改Variable的初始值设定项

提问于
浏览 次
5

我有一个预定义的代码，可以创建Tensorflow图 . 变量包含在变量范围中，每个变量都有一个预定义的初始化程序 . 有没有办法改变变量的初始化器？

示例：第一个图定义

with tf.variable_scope('conv1')
    w = tf.get_variable('weights')

稍后我想修改变量并将初始化程序更改为Xavier：

with tf.variable_scope('conv1')
     tf.get_variable_scope().reuse_variable()
     w = tf.get_variable('weights',initializer=tf.contrib.layers.xavier_initializer(uniform=False))

但是，当我重用变量时，初始化程序不会更改 . 稍后当我做 initialize_all_variables() 我得到默认值而不是Xavier如何更改变量的初始值设定项？谢谢

python tensorflow

1 回答

  • 1

    问题是在设置重用时无法更改初始化（初始化在第一个块期间设置） .

    因此，只需在第一个变量范围调用期间使用xavier初始化来定义它 . 所以第一次调用是，然后正确初始化所有变量：

    with tf.variable_scope(name) as scope:
    kernel = tf.get_variable("W",
                             shape=kernel_shape, initializer=tf.contrib.layers.xavier_initializer_conv2d())
    # you could also just define your network layer 'now' using this kernel
    # ....
    # Which would need give you a model (rather just weights)

    如果您需要重新使用这组权重，第二次调用可以获得它的副本 .

    with tf.variable_scope(name, reuse=True) as scope:
    kernel = tf.get_variable("W")
    # you can now reuse the xavier initialized variable
    # ....
    回复于

相关问题