我有一个模型，需要每隔N次迭代为权重（可训练变量）赋予新的外部值。
我可以想到几种解决方案：
-
保存和恢复
这种方法不好，因为我需要进行序列化，调用文件系统等操作（即使我使用类似于tmpfs的东西）。
-
使用占位符和赋值操作
我会为每个可训练变量创建一个占位符和赋值操作。每当我想为权重赋值时，我就运行这些赋值操作。
然而，我明白这意味着我将被迫在每次运行图中的任何操作时，都必须在每个feed_dict中考虑这些占位符，并传递虚拟值。
此外，我将使用比必要更多的内存…
-
为可训练变量使用feed_dict，并触发将每个变量赋值给自身的操作？
这可行吗？有什么缺点吗？
在开始编码之前，我认为询问一下是个好主意？高效地（在内存和时间上）为变量赋予新的外部值的推荐方法是什么？
回答：
在Tensorflow的最近版本中，Variable类有一个load方法。这正是你想要的功能。
