Parameters 将变量列表影响到权重/biais lstm tensorflow

我是tensorflow的初学者，我知道函数tf.global_variables_initializer（）添加了一个op来初始化模型中的所有变量。您还可以将要初始化的变量的显式列表传递给tf.variables\u初始值设定项，那么我该怎么做呢。

---

事实上，在我想通过的训练步骤之后，我将其转换为测试步骤，使用我自己的权重列表/BIA，它们定义在一个简单的变量x中，任何人都可以帮助我

为了更详细地说明我的问题，我使用此代码来设置可训练变量的维度：`total_parameters=0 v1=session.run（tf.trainable_variables（））对于tf.trainable_variables（）中的变量：v=session.run（tf.trainable_variables（））#shape是tf.Dimension shape=variable.get_shape（）的数组variable_parametes=1表示形状尺寸：variable_parametes*=dim.value total_parameters+=variable_parametes`之后，我创建了一个尺寸为可训练变量的变量x。x是由最佳参数填充的，所以我能把这些最佳值影响到我们的可训练变量吗，有什么想法吗？？非常抱歉，我不确定我是否正确理解了你的问题。我最好的猜测是你想在训练中超越你的重量。我说的对吗？首先感谢@cleros的回复，是的，我想覆盖所有权重。在tensorflow代码中，我们通过随机值初始化权重，然后通过梯度更新权重，在这一点上，我想通过我的一个列表覆盖此权重，我尝试了以下方法：'对于sess.run（tf.trainable_variables（））：variable=x'中的变量，这将不起作用。看看tf.assign：