python - 什么时候必须初始化 Tensorflow 中的变量？

Question

我试图理解 tensorflow 以及如何理解它必须首先创建操作和变量将它们添加到图中，然后在 session 中执行这些操作。那为什么在这段代码中我不必使用initialize_all_variables()方法呢？我试图添加 init = tf.initialize_all_variables() 然后添加 sess.run(init) 但这是错误的。为什么没有初始化就可以工作？

import tensorflow as tf 
import numpy as np
x = tf.placeholder('float', [2,3])
y = x*2
z = tf.Variable([[1,1,1],[1,1,1]], name = "z")
with tf.Session() as sess:
    x_data = np.arange(1,7).reshape((2,3))
    z.assign(x_data)
    res = sess.run(y, feed_dict = {x:x_data})
    print(res.dtype, z.dtype, z.get_shape())`

Answer 1

不允许您读取未初始化的值。在上面的情况下，您没有读取 z 因此您不需要初始化它。

如果您查看variables.py，您会发现initialize_all_variables是一个连接到所有初始值设定项的组节点

def initialize_variables(var_list, name="init"):
...

 return control_flow_ops.group(
        *[v.initializer for v in var_list], name=name)

查看z.initializer，您可以看到它是一个Assign 节点。因此，在 TensorFlow 中评估 tf.initialize_all_variables 与在 z.assign(...

上执行 session.run 相同