如何使用 tf.constant 或 numpy 数组初始化 tf.Variable？

Question

我正在尝试在 tf.InteractiveSession() 中初始化 tf.Variable()。我已经有一些预训练的权重，它们是单独的 numpy 文件。如何使用这些 numpy 值有效地初始化变量？

我已经经历了以下选择：

1. 使用tf.assign()
2. 在创建tf.Variable() 期间直接使用sess.run()

似乎值未正确初始化。 以下是我尝试过的一些代码。让我知道哪个是正确的？

def read_numpy(file):
    return np.fromfile(file,dtype='f')

def build_network():
    with tf.get_default_graph().as_default():
        x = tf.Variable(tf.constant(read_numpy('foo.npy')),name='var1')
        sess = tf.get_default_session()
        with sess.as_default():
            sess.run(tf.global_variables_initializer())

sess = tf.InteractiveSession()
with sess.as_default():
    build_network()

这是正确的方法吗？我已经打印了session 对象，它与自始至终使用的会话相同。

编辑：目前似乎使用sess.run(tf.global_variables_initializer()) 正在调用随机初始化操作

Answer 1

tf.Variable() 接受 numpy 数组作为初始值：

import tensorflow as tf
import numpy as np

init = np.ones((2, 2))
x = tf.Variable(init) # <-- set initial value to assign to a variable

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer()) # <-- this will assign the init value
    print(x.eval())
# [[1. 1.]
#  [1. 1.]]

所以只需使用numpy数组进行初始化，无需先将其转换为张量。

或者，您也可以使用 tf.Variable.load() 将 numpy 数组中的值分配给会话上下文中的变量：

import tensorflow as tf
import numpy as np

x = tf.Variable(tf.zeros((2, 2)))

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    init = np.ones((2, 2))
    x.load(init)
    print(x.eval())
# [[1. 1.]
#  [1. 1.]]