Tensorflow 自定义loss的情况下初始化部分变量方式
一般情况下，tensorflow里面变量初始化过程为：
#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：
#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：
#definitionofvariablesa,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：
a=tf.Variables(...)#lineN temp=set(tf.all_variables()) b=tf.Variables(...) c=tf.Variables(...) #definitionofmyoptimizer optimizer=tf.train....... init=tf.variables_initializer(set(tf.all_varialbles())-temp)#lineM sess.run(init)
首先，temp=set(tf.all_variables())将该行(lineN)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(lineM)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lineN~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毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。