python - 实际需要 global_variables_initializer() 时

Question

import tensorflow as tf
x = tf.constant(35, name='x')
y = tf.Variable(x + 5, name='y')
# model = tf.global_variables_initializer()
with tf.Session() as session:
        print("x = ", session.run(x)) 
        # session.run(model)
        print("y = ", session.run(y))

我无法理解何时真正需要 global_variables_initializer()。在上面的代码中，如果我们取消注释第 4 行和第 7 行，我可以执行代码并查看值。如果我按原样运行，我会看到崩溃。

我的问题是它正在初始化哪些变量。 x 是一个不需要初始化的常量，y 是一个没有被初始化但用作算术运算的变量。

Answer 1

tf.global_variables_initializer是初始化所有全局变量的快捷方式。这不是必需的，您可以使用其他方式来初始化变量，或者在简单脚本的情况下，有时您根本不需要初始化它们。

除了变量之外的所有东西都不需要初始化(常量和占位符)。但是每个使用过的变量(即使它是一个常量)都应该被初始化。这会给你一个错误，虽然 z 只是 0-d 张量，只有一个数字。

import tensorflow as tf
z = tf.Variable(4)
with tf.Session() as session:
        print(session.run(z)) 

我突出显示了使用的词，因为如果您只有未运行的变量(或没有运行依赖于它们)，则不需要初始化它们。

---

例如，这段代码将毫无问题地执行，但它有 2 个变量和一个依赖于它们的操作。但运行不需要它们。

import tensorflow as tf
x = tf.constant(35, name='x')
y = tf.Variable(x + 5, name='y')
z = tf.Variable(4)
a = y + z
with tf.Session() as session:
        print("x = ", session.run(x))