python - 在 Tensorflow 中更改变量的初始值设定项

Question

我有一个预定义的代码可以创建一个 Tensorflow 图。变量包含在变量作用域中，每个变量都有一个预定义的初始值设定项。有什么办法可以改变变量的初始值设定项吗？

例子:第一张图定义

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

稍后我想修改变量并将初始值设定项更改为 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))

然而，当我重用一个变量时，初始化器并没有改变。稍后当我执行 initialize_all_variables() 时，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

Answer 1

问题是在设置重用时无法更改初始化(初始化是在第一个 block 中设置的)。

因此，只需在第一次变量范围调用期间使用 xavier 初始化定义它。所以第一个调用是，然后用正确的方式初始化所有变量:

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
    # ....