Python 自定义权重初始化tensorflow tf.layers.dense

我正在尝试将自定义初始值设定项设置为

tf.layers.dense

，在这里，我使用我已有的权重矩阵初始化

kernel\u初始值设定项

u_1 = tf.placeholder(tf.float32, [784, 784])
first_layer_u = tf.layers.dense(X_, n_params, activation=None, 
                              kernel_initializer=u_1,
                              bias_initializer=tf.keras.initializers.he_normal())

这是一个抛出错误，表示
ValueError:如果初始值设定项是常量，请不要指定形状。

将占位符分配给
内核\u初始值设定项是个问题还是我遗漏了什么？
至少有两种方法可以实现这一点：

1创建自己的图层

  W1 = tf.Variable(YOUR_WEIGHT_MATRIX, name='Weights')
  b1 = tf.Variable(tf.zeros([YOUR_LAYER_SIZE]), name='Biases') #or pass your own
  h1 = tf.add(tf.matmul(X, W1), b1)

2使用
tf.常数\u初始值设定项

init = tf.constant_initializer(YOUR_WEIGHT_MATRIX)
l1 = tf.layers.dense(X, o, kernel_initializer=init)

我认为您可以定义自己的初始值设定项函数。该函数需要有3个参数：
shape
、
dtype
、和
partition\u info
。它应该返回一个
tf.Tensor
，用于初始化权重。因为你有一个
numpy
数组，我想你可以用
tf.constant
来创建这个张量。例如：

def custom_initializer(shape_list, dtype, partition_info):
    # Use np.ones((7, 3)) as an example
    return tf.constant(np.ones((7, 3)))

然后您可以将其传递给
内核\初始值设定项
。如果所有尺寸都匹配，它应该可以工作。我举了一个例子，使用
估计器
构建模型，并使用
LoggingTensorHook
在每个步骤记录
密集/内核
。您应该能够看到重量已正确启动

编辑：
我刚刚发现使用
tf.constant\u初始值设定项将更好。它被用在英语中。你可以做
kernel\u initializer=tf.constant\u initializer（np.ones（（7,3））
乔纳森的答案在conv上也对我有用-

kernel_in = np.random.uniform(100,1000,(filter_width, filter_height, input_channels, output_channels)).astype(np.float32)
init = tf.constant_initializer(kernel_in)
def model(x):
    x = tf.layers.conv2d(x, filters=3, kernel_size=1, strides=1, kernel_initializer=init)

kernel_initializer是“权重矩阵的initializer函数”，因此在其中放置占位符是没有意义的there@JonathanR我可以传递一个
numpy
数组吗？我得到这个，我曾想过使用
tf.layers.dense
来实现此功能。我更新了答案，向您展示了如何使用dense layerlo实现此功能。我是密度层上的tf.constant_初始化器（你的_WEIGHT_矩阵，dtype=tf.float32）来初始化我的权重，但是，初始化300万个权重需要5秒。使用您的方法大约需要4.2秒。有没有更快的方法？我只需要对训练集进行一次评估并保存错误，这花费了将近50%的时间，只需构建一个网络，测试它，然后删除它你的权重矩阵更新了吗？使内核成为一个
tf.constant
会使它不可学习吗？总是等于它的初始值吗？我怀疑这是OP的意图。@mikkola我刚刚发现TensorFlow（更新了我的答案）中有一个
tf.constant\u初始值设定项。如果我理解正确，它用于初始化内核，但不会“锁定”它。我只有间接的证据：1）我的gist示例表明内核确实每一步都在改变。2） 
tf.constant\u initializer
用于中，我认为该示例并不打算使
bias
恒定。是的，使用
tf.constant\u initializer
是正确的方法。@mikkola只是为了澄清，
tf.constant\u initializer
肯定是更好的方法。但是根据，
tf.constant\u初始值设定项
返回一个可调用的
constant
类，该类实际返回
tf.constant
。如果人们想做比
tf更重要的事情，那么
custom\u initializer
是有效的。常量\u initializer
可以做。但是，我正在使用它，初始化一个300万权重的网络需要将近5秒的时间。有没有更快的方法？顺便说一句：接受的答案需要4秒钟，但仍然太多：它占用了我算法的50%时间。