Python 如何使用tf.constant或numpy数组初始化tf.Variable？

我正在尝试初始化

tf.InteractiveSession（）

中的

tf.Variable（）

。我已经有一些预先训练好的权重，它们是单独的

numpy

文件。如何使用这些

numpy

值有效地初始化变量

我经历了以下几种选择：

使用

tf.assign（）

在

tf.Variable（）创建过程中直接使用
sess.run（）

这些值似乎没有正确初始化。 以下是我尝试过的一些代码。让我知道哪个是正确的

def read_numpy(file):
    return np.fromfile(file,dtype='f')

def build_network():
    with tf.get_default_graph().as_default():
        x = tf.Variable(tf.constant(read_numpy('foo.npy')),name='var1')
        sess = tf.get_default_session()
        with sess.as_default():
            sess.run(tf.global_variables_initializer())

sess = tf.InteractiveSession()
with sess.as_default():
    build_network()

这是正确的方法吗？我已经打印了

会话

对象，它与整个过程中使用的会话相同

编辑：当前似乎使用

sess.run（tf.global\u variables\u initializer（））

调用随机初始化op

tf.Variable（）

接受numpy数组作为初始值：

将tensorflow导入为tf
将numpy作为np导入
init=np.one（（2，2））
x=tf.Variable（init）#可以使用
tf.get_Variable（）
。。我用了它，它成功了。我有一个属性为
initializer=tf.constant（read_numpy（'foo.npy'））
Yes，您可以。
tf.Variable（）
和
tf.get_Variable（）
之间的区别在于
tf.Variable（）
创建一个新变量，而
get_Variable（）
可以创建一个新变量或返回一个现有变量。更多阅读答案哦，好吧，我第一次使用
tf.get_variable（）
时确实遇到了一个错误，因为命名冲突。。但后来我将其包含在
tf.variable\u scope（）中，并对其进行了处理。谢谢你的回复！很高兴这有帮助。我仍然会使用
x=tf.Variable（read_numpy（'foo.npy'））
。这样比较短。