使用来自 Autoencoder 的权重在 tensorflow 中初始化神经网络
Using weights from Autoencoder to initialize neural network in tensorflow
我使用 Python 和 Tensorflow 构建了一个自动编码器。为了构建自动编码器，我使用了关于如何构建自动编码器以读取手写数字上的 MNIST 数据集的 Tensorflow 教程。我用它来寻找 CGRA 作品的特征。
到目前为止，我以一种可以在我自己的数据上使用它的方式重组了自动编码器的代码。我找到了特征并且已经设法重建了输入，
直到一定的错误。现在，我正在尝试使用自动编码器权重来初始化一个神经网络，其参数类似于我的自动编码器的编码器部分。然后，添加一个带有单个神经元和线性激活函数的额外层来执行回归分析（或基本上是监督学习）。
所以我的问题是：如何使用 tensorflow 初始化具有特定权重（非随机）的神经网络？
如有任何帮助，我将不胜感激。指向教程的链接或指向其他主题的其他链接。
Tahnks 提前！
构建 tf.Variable 时，第一个参数是 initial_value。
https://www.tensorflow.org/api_docs/python/state_ops/variables#Variable.init
你可以提供任何你喜欢的张量来初始化变量，而不仅仅是随机初始化。
另一个选项是您可以在构建后为变量赋值，如果您觉得这样更容易的话。
希望对您有所帮助！
我使用 Python 和 Tensorflow 构建了一个自动编码器。为了构建自动编码器，我使用了关于如何构建自动编码器以读取手写数字上的 MNIST 数据集的 Tensorflow 教程。我用它来寻找 CGRA 作品的特征。
到目前为止，我以一种可以在我自己的数据上使用它的方式重组了自动编码器的代码。我找到了特征并且已经设法重建了输入， 直到一定的错误。现在，我正在尝试使用自动编码器权重来初始化一个神经网络，其参数类似于我的自动编码器的编码器部分。然后，添加一个带有单个神经元和线性激活函数的额外层来执行回归分析（或基本上是监督学习）。
所以我的问题是：如何使用 tensorflow 初始化具有特定权重（非随机）的神经网络？
如有任何帮助，我将不胜感激。指向教程的链接或指向其他主题的其他链接。
Tahnks 提前！
构建 tf.Variable 时，第一个参数是 initial_value。
https://www.tensorflow.org/api_docs/python/state_ops/variables#Variable.init
你可以提供任何你喜欢的张量来初始化变量，而不仅仅是随机初始化。
另一个选项是您可以在构建后为变量赋值，如果您觉得这样更容易的话。
希望对您有所帮助！