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：
#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：
a = tf.Variables(...) #line N temp = set(tf.all_variables()) b = tf.Variables(...) c = tf.Variables(...) #definition of my optimizer optimizer = tf.train....... init = tf.variables_initializer(set(tf.all_varialbles())-temp) # line M sess.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【听图阁-专注于Python设计】。
