使用来自 Autoencoder 的权重在 tensorflow 中初始化神经网络答案

【问题标题】：Using weights from Autoencoder to initialize neural network in tensorflow使用来自 Autoencoder 的权重在 tensorflow 中初始化神经网络
【发布时间】：2017-06-17 02:40:47
【问题描述】：

我使用 Python 和 Tensorflow 构建了一个自动编码器。为了构建自动编码器，我使用了关于如何构建自动编码器来读取手写数字上的 MNIST 数据集的 Tensorflow 教程。我用它来寻找 CGRA 作品的特征。

到目前为止，我以一种可以在我自己的数据上使用它的方式重组了自动编码器的代码。我找到了功能并且已经设法重建了输入，达到一定的误差。现在，我正在尝试使用自动编码器权重来初始化神经网络，其参数类似于我的自动编码器的编码器部分。然后，添加一个带有单个神经元和线性激活函数的额外层来执行回归分析（或基本上是监督学习）。

所以我的问题是：如何使用 tensorflow 初始化具有特定权重（非随机）的神经网络？

如果能提供任何帮助，我将不胜感激。指向教程的链接或指向其他主题的其他链接。

提前行动！

【问题讨论】：

标签： python tensorflow supervised-learning unsupervised-learning autoencoder

【解决方案1】：

当您构建tf.Variable 时，第一个参数是initial_value。

https://www.tensorflow.org/api_docs/python/state_ops/variables#Variable.init

您可以提供任何您喜欢的 Tensor 来初始化变量，而不仅仅是随机初始化。

另一个选择是你可以在构造之后为变量赋值，如果你觉得这更容易的话。

希望有帮助！

【讨论】：

是的，伙计，它让我走上了正确的道路，现在我解决了我的问题！