Tensorflow 我应该自己初始化变量还是只通过全局变量初始化（）？

我正在做一项时间序列预测工作，在tensorflow中使用RNNCell时，它不像我自己编写初始化变量，而是经常使用函数global_variable_initialize（）来完成这项工作

仅仅调用一个函数并为我初始化所有变量感觉很奇怪。我听说global_variable_initialize（）检索包含：[所有权重、所有偏差、所有隐藏状态]的变量列表，但这就像一个不知道变量范围的黑盒子，我自己编写网络时不使用偏差

对于tensorflow用户，您喜欢自己初始化变量吗（例如使用tf.variable）？只调用全局变量初始化（）有什么问题或缺点吗

---

希望能了解大家的意见，谢谢

全局变量初始值设定项不是一个黑匣子，它使用的是

GraphKeys

集合，如下所述：

按照惯例，tensorflow中的大多数操作将变量添加到适当的集合中。优化器使用这些相同的集合来决定哪些变量是可训练的，哪些不是默认的。查看合适的集合

---

根据我的经验，除了由

tf.metrics.*

程序包创建的变量外，大多数东西都是全局变量，该程序包默认为局部变量（因此可以使用局部变量初始值设定项重置度量）。

我也不喜欢使用全局变量\u initialize。 事实上，使用TF-SLIM可以高效简洁地定义变量。
我引用的是TensorFlow Slim的话

在原生tensorflow中创建变量需要预定义的值或初始化机制（例如，从高斯分布中随机采样）。此外，如果需要在特定设备（如GPU）上创建变量，则必须明确规范。为了减少创建变量所需的代码，TF Slim在variables.py中提供了一组瘦包装函数，允许调用方轻松定义变量

例如，要创建权重变量，使用截断正态分布对其进行初始化，使用l2_损失对其进行正则化，并将其放置在CPU上，只需声明以下内容：

---

那么，如果我用tf.variable（）初始化变量，它是否应该自动添加到变量的集合中？那么，当我调用全局变量时，我定义的变量是否会再次初始化？初始化不会将其添加到集合中。默认情况下，使用

tf.Variable（）

创建的变量将添加到可训练的_变量和全局_变量中，除非您在创建时设置了

TRAINABLE=false

。否则，您必须手动设置它们添加到哪些集合（除非您有特定的原因，否则通常不会这样做）。谢谢您的回复！如果我用这个slim方法初始化变量，它应该自动添加到变量集合中吗？那么，当我调用global_variable_initialize（）时，我定义的变量会被再次初始化吗？对于第一个问题，我的答案是肯定的，变量将被添加到GraphKeys集合中。当然，对于第二个问题，变量将再次初始化。请注意，如果使用slim库，则无需使用全局变量初始化。

weights = slim.variable('weights', shape=[10, 10, 3 , 3],  
                        initializer=tf.truncated_normal_initializer(stddev=0.1),   
                        regularizer=slim.l2_regularizer(0.05), device='/CPU:0')