Tensorflow 自定義loss的情況下初始化部分變數方式
阿新 • • 發佈:2020-01-09
一般情況下,tensorflow裡面變數初始化過程為:
#variables ........... #..................... init = tf.initialize_all_variables() sess.run(init)
這裡 tf.initialize_all_variables() 會初始化所有的變數。
實際過程中,假設有a,b,c三個變數,其中a已經被初始化了,只想單獨初始化b,c,那麼:
#variables ... ... init = tf.variables_initializer([b,c]) sess.run(init)
此外,如果自行修改了optimizer,如下程式碼就會報錯:
#definition of variables a,c ... .... my_optimizer = tf.train.RMSProp(learning_rate = 0.1).minimize(my_cost) init = tf.variables_initializer([b,c]) sess.run(init)
這是因為自己定義的optimizer會生成新的variables,但是在init裡面並沒有初始化,所以無法訪問,會報錯。解決方法如下:
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()) 將該行(line N)程式碼之前的所有變數儲存在temp中,接下來定義變數b,c,以及自定義的optimizer,然後 set(tf.all_varialbles()儲存了改行(line M)之前的所有變數(包括optimizer生成的變數以及temp中所含的變數),set(tf.all_varialbles())-temp相減得到line N~M這幾行定義的變數。
以上這篇Tensorflow 自定義loss的情況下初始化部分變數方式就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支援我們。