如何将更改的变量推回张量流图中？答案

【问题标题】：How to push back altered variables into a tensorflow graph?如何将更改的变量推回张量流图中？
【发布时间】：2017-03-28 11:28:23
【问题描述】：

我试图通过首先在会话中提取可训练变量来操纵多层 LSTM RNN 的权重，如下所示：

    variables_names =[v.name for v in tf.trainable_variables()]
    values = session.run(variables_names)

现在变量values 是我的张量流图中所有权重和偏差的列表。在对权重和偏差进行一些算术运算后，我想将它们上传回图中以继续训练 RNN。有谁知道如何做到这一点？我想如果我使用 numpy 列表 values 作为重新初始化图形的源，它会起作用，但我没有成功。到目前为止，我已经尝试了以下方法：

init = tf.constant(values)
tf.get_variables(variables_names, initializer = init).run()

和

init = tf.constant(values)
session.run(tf.variables_initializer(values))

在这两种情况下，代码都会通过将我想要初始化的值打印回图表来突然完成执行。

【问题讨论】：

【解决方案1】：

变量有一个 .load() 方法。您可以通过这种方式将更新后的值传递回图表。

【讨论】：

加载方法的问题是我从variables_names =[v.name for v in tf.trainable_variables()] 检索到的变量的名称是rnn/multi_rnn_cell/cell_0/lstm_cell/weights:0 类型，因此我无法使用此名称访问变量。您能否举例说明一下，因为 tensorflow 文档中给出的示例对我的问题没有帮助。
创建第二个列表：variables = [v for v in tf.trainable_variables()] 然后您可以在该列表中的任何元素上使用 .load() 方法。它将与您创建的列表（即字符串列表）的顺序相同。