Python 如何在tensorflow中重置变量？

我想执行一个图，更改单个变量的值，然后再次执行该图，并将更改吸收到任何下游变量中。例如,

A=tf.分布.正态（0.0,1.0）
B=tf.正态分布（0.0,1.0）
a=a.get_变量（name=“a”，初始值设定项=a.sample）
b=b.get_变量（name=“b”，初始值设定项=b.sample）
C=tf.正态分布（a+b，1.0）
c=c.get_变量（name=“c”，初始值设定项=c.sample）

所以，如果我运行这个图表

session.run（tf.global\u variables\u initializer（））
使用tf.Session（）作为会话：
会话运行（[a，b，c]）

我得到了a，b和c的一组值。然后，我想重新初始化b

session.run（b.初始值设定项）
会话运行（[a，b，c]）

这将重新初始化b的值，但该更改不会传播到c。由于b已更改，并且c依赖于b（通过c），所以我希望c重新初始化

---

这在tensorflow中可能吗？

c

不依赖于

b

，它的初始值设定项依赖于。事实上，tensorflow中的变量不能依赖于其他变量。重新初始化

b

后，

c

的值不会改变。但是如果再次运行

c

初始值设定项，它将拾取新值。因此，只要做：

session.run(b.initializer)
session.run(c.initializer)

---

为什么变量不能依赖于其他变量？不。它们可以独立改变，这就是为什么它们是变量