Tensorflow 在tf.contrib.layers中分配权重时，是否有常数_初始值设定项的替代方案

我想将权重传递给

tensorflow.contrib.layers.conv2d

。 层具有参数

权重\初始值设定项
。当通过
weights\u initializer=tf.constant\u initializer（tensor）
传递张量时，该张量作为节点添加到图形中，导致模型的大小增加

是否有替代此权重初始化的方法

我知道
tf.nn.conv2d
接受权重作为参数。但是，我正在使用的当前模型使用contrib层。
如果要将权重初始化为某个常量，但不想将该常量存储在图形中，可以使用占位符并在初始化时为其提供值。只要吃点像这样的东西：

weight_init = tf.placeholder(tf.float32, <shape>)
# As a parameter to your layer
weights_initializer=lambda *a, **k: weight_init

或者，您可以不使用初始值设定项，而是使用权重变量的方法，而不是调用初始化操作。为此，您必须首先访问该变量：

with tf.Session() as sess:
    weight_var.load(<initial weight value>, session=sess)

将tf.Session（）作为sess的
：
重量变量负载（，会话=sess）
非常感谢您的回复！
with tf.Session() as sess:
    weight_var.load(<initial weight value>, session=sess)