Python 在tensorflow中使用自动编码器的权值初始化神经网络
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Tensorflow教程介绍如何构建自动编码器来读取手写数字上的MNIST数据集。我用它来寻找CGRA组成的特征 到目前为止，我重新构造了自动编码器的代码，以便在我自己的数据中使用它。我找到了特征，并且已经设法重建了输入， 直到某个错误。现在，我尝试使用自动编码器权重，初始化一个神经网络，其参数类似于我的自动编码器的编码器部分。然后，添加一个额外的带有单个神经元和线性激活函数的层来执行回归分析（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 我将非常感激任何形式的帮助。指向教程的链接或指向其他线程的其他链接Python 在tensorflow中使用自动编码器的权值初始化神经网络,python,tensorflow,supervised-learning,unsupervised-learning,autoencoder,Python,Tensorflow,Supervised Learning,Unsupervised Learning,Autoencoder,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Tensorflow教程介绍如何构建自动编码器来读取手写数字上的MNIST数据集。我用它来寻找CGRA组成的特征 到目前为止，我重新构造了自动编码器的代码，以便在我自己的数据中使用它。我找到了特征，并且已经设法重建了输入， 直到某个错误。现在，我尝试使用自动编码器权重，初始化一个神经网络，其参数类似于我的自动编码器的编码器部分。然后，添加一个额外的带有单个神经元和线性激活函数的层来执行回归分析（或基本上是监
提前准备 构建
tf.Variable初始值
您可以提供任意张量来初始化变量，而不仅仅是随机初始化
另一个选项是，如果您觉得更容易，您可以在构建后为变量赋值
希望有帮助 是的，伙计，这让我走上了正确的道路，现在我解决了我的问题！