tf37：tensorflow中将模型的权重值限定范围

MachineLP

发布于 2022-05-09 15:03:52

6490

发布于 2022-05-09 15:03:52

文章被收录于专栏：小鹏的专栏小鹏的专栏

MachineLP的Github（欢迎follow）：https://github.com/MachineLP

我们在搭建模型的时候，受到一些收敛条件的限制，像wgan_loss需要讲权重设置在[-0.01, 0.01]，这个操作在TF中是这样完成中。

首先，需要获得你搭建net的左右变量：

D_vars = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, 'Discriminator_dcgan')

其中，'Discriminator_dcgan' 是net的名字，其下一层包含很多变量的名字。

然后，遍历每一个变量，将其限定在一定的范围：即小于-1的值设定在-1，大于1的值设定在1。

最后，在每个batch更新完参数后，需要run一下： _ = sess.run(clip_disc_weights)

代码如下：

    D_vars = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, 'Discriminator_dcgan')
    clip_ops = []
    for var in D_vars:
        clip_bounds = [-.01, .01]
        clip_ops.append(
            tf.assign(
                var, 
                tf.clip_by_value(var, clip_bounds[0], clip_bounds[1])
            )
        )
    clip_disc_weights = tf.group(*clip_ops)
    ......
    _ = session.run(clip_disc_weights)

总结，wgan_loss不加入权重限制不会收敛，同时wgan时候经过严格的理论推导，当理论不充分时，在使用的时候需要多实验室，实验出好的结果，可以再找理论支撑嘛，哈哈丷

本文参与腾讯云自媒体分享计划，分享自作者个人站点/博客。

原始发表：2018-05-23，如有侵权请联系 cloudcommunity@tencent.com 删除

编程算法