Python 重置Tensorflow adam优化器

我正在用Tensorflow对一个神经网络模型进行K次交叉验证，所以我需要对模型进行K次训练

我想知道如何重置tf.train.AdamOptimizer的状态，以便在每次折叠后执行新的训练

有人建议：

 sess.run(tf.variables_initializer(optimizer.variables()))

但这会引发以下错误：

'Operation' object has no attribute 'variables'

---

优化器是如何定义的？嘿@jdehesa它的定义是这样的：

tf.train.AdamOptimizer（lr）.最小化（损失）

对，所以你应该做一些类似于

optimizer=tf.train.AdamOptimizer（lr）

的事情，然后

train\u op=optimizer.最小化（损失）

，然后你发布的代码应该可以工作（您必须在训练循环中为

训练操作

替换

优化器

）。感谢您回答@jdehesa。您认为只执行

会话.run（tf.global\u variables\u initializer（）会更好吗

在每次折叠开始时重新初始化网络的权重？或者我应该像你解释的那样重置优化器吗？如果你在同一个会话中做所有事情，那么我想你必须重置每个折叠上的所有内容以进行交叉验证。我会创建

init\u op=tf.global\u variables\u initializer（）

只需事先一次，而不是在每个折叠的图中创建新的操作，但在其他方面对我来说这听起来很合理。

优化器是如何定义的？嘿@jdehesa它的定义是这样的：
tf.train.AdamOptimizer（lr）。最小化（损失）
对，所以你应该做一些类似于
optimizer=tf.train.AdamOptimizer（lr）的事情
然后是
train\u op=optimizer。最小化（损失）
，那么你发布的代码应该可以工作（你必须在训练循环中替换
train\u op
的
优化器）。感谢你回答@jdehesa。你认为只需执行
会话。运行（tf.global\u variables\u initializer（）
在每次折叠开始时重新初始化网络的权重？或者我应该像你解释的那样重置优化器吗？如果你在同一个会话中做所有事情，那么我想你必须重置每个折叠上的所有内容以进行交叉验证。我会创建
init\u op=tf.global\u variables\u initializer（）
只需提前一次，而不是在每次折叠的图表中创建新的ops，但在其他方面，这听起来很合理。