[参考link]
tf.global_variables_initializer()
tf.global_variables_initializer()
添加节点用于初始化所有的变量(GraphKeys.VARIABLES)。
返回一个初始化所有全局变量的操作(Op)。
在你构建完整个模型并在会话中加载模型后,运行这个节点。
能够将所有的变量一步到位的初始化,非常的方便。
通过feed_dict, 你也可以将指定的列表传递给它,只初始化列表中的变量。
sess.run(tf.global_variables_initializer(),
feed_dict={
learning_rate_dis: learning_rate_val_dis,
adam_beta1_d_tf: adam_beta1_d,
learning_rate_proj: learning_rate_val_proj,
lambda_ratio_tf: lambda_ratio,
lambda_l2_tf: lambda_l2,
lambda_latent_tf: lambda_latent,
lambda_img_tf: lambda_img,
lambda_de_tf: lambda_de,
adam_beta1_g_tf: adam_beta1_g,
})
# learning_rate_dis为设置的变量,learning_rate_val_dis为我设置的具体的值。后续同理
tf.local_variables_initializer()
tf.local_variables_initializer()
初始化局部变量(GraphKeys.LOCAL_VARIABLE)。
返回一个初始化所有局部变量的操作(Op)。
GraphKeys.LOCAL_VARIABLE中的变量指的是被添加入图中,但是未被储存的变量。
关于储存,请了解tf.train.Saver相关内容,在此处不详述,敬请原谅。
sess.run(tf.local_variables_initializer(),
feed_dict={
learning_rate_dis: learning_rate_val_dis,
adam_beta1_d_tf: adam_beta1_d,
learning_rate_proj: learning_rate_val_proj,
lambda_ratio_tf: lambda_ratio,
lambda_l2_tf: lambda_l2,
lambda_latent_tf: lambda_latent,
lambda_img_tf: lambda_img,
lambda_de_tf: lambda_de,
adam_beta1_g_tf: adam_beta1_g,
})
# learning_rate_dis为设置的变量,learning_rate_val_dis为我设置的具体的值。后续同理