Python 在Tensorflow会话中将可训练变量重置为随机/默认值

我正在研究一种文本分类的实验方法，为此我需要使用纯Tensorflow（无Keras）。当我在执行Leave One Out CV时，我需要在一个会话中重置（或重新初始化，如您所愿）我的所有可训练变量-在模型学习了几个时期并预测了我的测试观察后，它将转到另一个测试观察，但是，它应该完全从头开始训练（没有从当前的测试观察中获得的知识，之前也用于学习）

我在网上做了一些全面的研究，但我没有发现任何有用的东西。有什么方法可以做到这一点，或者你对如何修改我的算法有什么建议吗

---

提前感谢。

您可以有两个模型副本：一个包含初始权重，另一个是针对不同数据样本从头开始训练的副本

然后，当您需要重置时，只需将初始权重复制到您训练的模型，如下所示：

trainable_model.set_weights(initial_model.get_weights())

---

更多内容

感谢您的建议，但是如果我不能像上面那样引用整个模型，我该怎么做。我只有一组层，我可以通过tf.trainable_variables（）查看所有可训练变量，但不知道如何在开始时复制它们的状态。对不起，我只是tensorflow的新手。另一个想法-我可以简单地使用tf.reset\u default\u graph（）吗在每次迭代结束时？或者关闭会话，然后重置图表？是否有效？如果您在问题中共享您的代码，会更容易提供帮助。很抱歉，我回复得这么晚。我没有完全理解您的建议，重置图表不起作用，因此我最终的做法是，对于每个学习迭代（一个遗漏的观察），我正在调用tf.global_variables_initializer（），这似乎是可行的。你看到它有什么缺点吗？