ValueError: 变量 mlp-fc/weights 不存在，或者不是用 tf.get_variable() 创建的

Question

我使用 TensorFlow 实现了具有一个隐藏层的多层感知器 (MLP)，并在调用该函数时出现以下错误。任何帮助将不胜感激。

def MLP(x, option, dropout=1, prefix ='', num_outputs=1, reuse=None):
      weights = tf.random_uniform_initializer(-0.001, 0.001)
      biases = tf.constant_initializer(0.001, dtype=tf.float32)

      fc1 = tf.contrib.layers.fully_connected(tf.nn.dropout(x, keep_prob=dropout),
                       num_outputs=option.num_outputs, 
                       biases_initializer=biases,
                       weights_initializer = weights, 
                       activation_fn=tf.nn.relu, 
                       scope=prefix + 'fc', 
                       reuse=reuse)
      logits = tf.contrib.layers.linear(tf.nn.dropout(fc1, keep_prob=dropout),
                       num_outputs=num_outputs,
                       biases_initializer=biases,
                       weights_initializer = weights,
                       scope=prefix + 'l',
                       reuse=reuse)

return logits

logits = MLP(x, option, dropout=dp, prefix='mlp-', reuse=True)

ValueError：变量 mlp-fc/weights 不存在，或者不是使用 tf.get_variable() 创建的。您的意思是在 VarScope 中设置 reuse=tf.AUTO_REUSE 吗？

我尝试初始化权重并设置 weights_initializer 但仍然遇到同样的错误。

Answer 1

该错误是因为您尝试重用名为 'mlp-fc/weights' 的权重，而该权重不存在。

同样的错误也可能适用于您的 tf.contrib.layers.linear。

为了重用，您首先必须定义它们。

但是，如果您不想重用任何可变权重，您可以简单地从 tf.contrib.layers 这两种方法中删除 reuse= True .fully_connected 和 tf.contrib.layers.linear。

编辑

您可以使用类似于以下代码的内容。

with tf.variable_scope("mlp-fc"):
    #add a new variable to the graph
    var=tf.get_variable("weights",shape)

您可以关注本文至https://jasdeep06.github.io/posts/variable-sharing-in-tensorflow/，了解更多重用。

希望这会有所帮助。