我有一个一般性问题。
我正在开发新的层以合并到自动编码器中。更具体地说，该层类似于KCompetitive上的here类。我想要的是我需要将这一层的输出保存在一个变量中，我们将其称为previous_mat_values，然后在下一个时期将其传递到同一层。
换句话说，我希望能够将这一层epoch 1的输出保存在一个变量中，然后在epoch 2中，再次使用相同的矩阵。
所以问题出现了，在第一个时期该矩阵的值是多少，因为它还没有该层的输出。我们可以使用权重矩阵的相同形状初始化一个数组，但是使用0的值，我会这样做。
previous_mat_values = tf.zeros_like(weight_tensor)
因此步骤如下：
在第一个时期，previous_mat_values和weight_mat将传递到图层
1.a在该层函数的末尾，我们将其最终值称为modified_weight_mat将保存到previous_mat_values中
previous_mat_values = modified_weight_mat
在第二个时期，previous_mat_values和weight_mat将传递到图层，但是，previous_mat_values的值保存在第一个时期。
通过weight_mat并进行与此相关的操作，我没有任何问题。这里唯一的问题是我们如何保存每个时期的previous_mat_values值并将其传递给下一个时期。
我曾想在class of that layer中创建一个全局张量变量，并将其初始化为零，但我认为将前一个时期的值保留到第二个时期不会有帮助。
您知道我该如何实施吗？
如果我的解释不清楚，请让我知道。
您可以按预期使用变量在历元之间保留：
previous_mat_values = tf.Variable(tf.zeros_like(weight_tensor), trainable=False)
assign_op = previous_mat_values.assign(modified_weight_mat)
然后确保对sess.run的调用中包括了assign_op：
out, _ = sess.run([output, assign_op])