如何在 TensorFlow 中使用 tf.get_variable 和 numpy 值初始化变量？答案

【问题标题】：How does one initialize a variable with tf.get_variable and a numpy value in TensorFlow?如何在 TensorFlow 中使用 tf.get_variable 和 numpy 值初始化变量？
【发布时间】：2016-11-06 12:27:49
【问题描述】：

我想用 numpy 值初始化我网络上的一些变量。为了这个例子考虑：

init=np.random.rand(1,2)
tf.get_variable('var_name',initializer=init)

当我这样做时，我得到一个错误：

ValueError: Shape of a new variable (var_name) must be fully defined, but instead was <unknown>.

为什么会出现这个错误？

为了尝试修复它，我尝试这样做：

tf.get_variable('var_name',initializer=init, shape=[1,2])

这产生了一个更奇怪的错误：

TypeError: 'numpy.ndarray' object is not callable

我尝试阅读the docs and examples，但并没有真正帮助。

TensorFlow中的get_variable方法不能用numpy数组初始化变量吗？

【问题讨论】：

标签： python numpy tensorflow

【解决方案1】：

如果将常量 NumPy 数组转换为常量Tensor，则以下工作：

init = tf.constant(np.random.rand(1, 2))
tf.get_variable('var_name', initializer=init)

get_variable 的文档确实有点欠缺。仅供参考，initializer 参数必须是 TensorFlow Tensor 对象（在您的情况下，可以通过在 numpy 值上调用 tf.constant 来构造），或者是带有两个参数的“可调用” 、shape 和 dtype，它应该返回的值的形状和数据类型。同样，在您的情况下，您可以编写以下内容以防您想使用“可调用”机制：

init = lambda shape, dtype: np.random.rand(*shape)
tf.get_variable('var_name', initializer=init, shape=[1, 2])

【讨论】：

This 很好地回答了您的问题。
A callable 是一个函数或可以像函数一样调用的东西。
tf.get_variable('var_name', initializer=np.random.rand(1, 2)) 现在似乎可以在 r0.10 上使用。
现在看来这已经稍微改变了，以至于lambda 需要一个名为partition_info 的额外输入，所以我不得不将定义修改为init = lambda shape, dtype, partition_info: np.random.rand(*shape)。

【解决方案2】：

如果变量已经创建（即从一些复杂的函数），只需使用load。

https://www.tensorflow.org/api_docs/python/tf/Variable#load

x_var = tf.Variable(tf.zeros((1, 2), tf.float32))
x_val = np.random.rand(1,2).astype(np.float32)

sess = tf.Session()
x_var.load(x_val, session=sess)

# test
assert np.all(sess.run(x_var) == x_val)

【讨论】：

【解决方案3】：

@keveman 回答的很好，补充一下，还有tf.get_variable('var_name', initializer=init)的用法，tensorflow文档确实给出了全面的例子。

import numpy as np
import tensorflow as tf

value = [0, 1, 2, 3, 4, 5, 6, 7]
# value = np.array(value)
# value = value.reshape([2, 4])
init = tf.constant_initializer(value)

print('fitting shape:')
tf.reset_default_graph()
with tf.Session() :
    x = tf.get_variable('x', shape = [2, 4], initializer = init)
    x.initializer.run()
    print(x.eval())

    fitting shape :
[[0.  1.  2.  3.]
[4.  5.  6.  7.]]

print('larger shape:')
tf.reset_default_graph()
with tf.Session() :
    x = tf.get_variable('x', shape = [3, 4], initializer = init)
    x.initializer.run()
    print(x.eval())

    larger shape :
[[0.  1.  2.  3.]
[4.  5.  6.  7.]
[7.  7.  7.  7.]]

print('smaller shape:')
tf.reset_default_graph()
with tf.Session() :
    x = tf.get_variable('x', shape = [2, 3], initializer = init)

    * <b>`ValueError`< / b > : Too many elements provided.Needed at most 6, but received 8

https://www.tensorflow.org/api_docs/python/tf/constant_initializer

【讨论】：