python之如何使用张量初始化 tensorflow 中的变量

我正在尝试使用 tf.nn.embedding_lookup() 并收到以下警告:

UserWarning: Converting sparse IndexedSlices to a dense Tensor of unknown shape. This may consume a large amount of memory. 

我读到这个 ​​link为了避免这个问题，我们应该确保 tf.nn.embedding_lookup() 的参数输入是一个 tf.Variable

但是我传递给 tf.nn.embedding_lookup() 的已经是一个张量，它是另一个操作的输出，我想我不能用它来初始化 tf.Variable 。

有没有办法将张量转换为 tf.Variable 或用另一个张量初始化张量？

请您参考如下方法:

A tf.Variable represents a tensor whose value can be changed by running ops on it.

Internally, a tf.Variable stores a persistent tensor.

来源:https://www.tensorflow.org/guide/variables

您可以使用 Tensor 对象初始化 tf.Variable:tf.Tensor

# Create a variable. 
w = tf.Variable(<initial-value>, name=<optional-name>) 

initial_value:一个张量，或可转换为张量的 Python 对象，它是变量的初始值。

除非 validate_shape 设置为 False，否则初始值必须指定形状。也可以是不带参数的可调用对象，在调用时返回初始值。在这种情况下，必须指定 dtype。

(请注意，init_ops.py 中的初始化函数必须先绑定(bind)到一个形状，然后才能在此处使用。)

总而言之，您可以使用另一个 Tensor 对象初始化一个 tf.Variable。