模型参数的初始化

标签：报错   run   pre   mamicode   one   分配   var   check   orm   

1.  tf.global_variables_initializer() 可以初始化所有变量。

import tensorflow as tf
a=tf.Variable(tf.ones((2,3)),name=‘a‘)
b=tf.Variable(tf.random_normal(shape=(2,3),stddev=0.35),name=‘b‘)
sess=tf.Session()
sess.run(tf.global_variables_initializer())
print(sess.run(a))
print(sess.run(b))

2.  tf.variables_initializer([var_list]) 仅初始化列表var_list种的值。

import tensorflow as tf
a=tf.Variable(tf.ones((2,3)),name=‘a‘)
b=tf.Variable(tf.random_normal(shape=(2,3),stddev=0.35),name=‘b‘)
sess=tf.Session()
# sess.run(tf.variables_initializer([a])) # 只初始化变量a，而变量b未作初始化，因此执行会报错。
sess.run(tf.variables_initializer([a,b])) # 对变量a与b做了初始化，执行将不会报错
print(sess.run(a))
print(sess.run(b))

报错结果：

 正确结果：

3.  变量重复赋值并未报错，其结果如下：

此点证实模型参数可以用assign分配，可用checkpoint模型文件保存值赋值到变量种。

模型参数的初始化

标签：报错   run   pre   mamicode   one   分配   var   check   orm   

原文地址：https://www.cnblogs.com/tangjunjun/p/11681751.html