计算时对网络权重的自定义操作
计算时对网络权重的自定义操作
提问于 2018-06-05 06:03:56
我正在使用TensorFlow和Python创建自定义神经网络。在传递每个输入数据之前，我需要对权重和偏差进行更改。网络的架构是常见的(顺序的，有监督的，有反向传播的)，唯一的区别是在每次遍历之前，我需要做一些计算。
例如，我有一些输入(x)，在我通过网络传递它们并计算网络结果(y)之前，在每次传递中，我需要运行一个函数来改变权重。我的问题是，如何才能做到这一点，在我计算了新的权重和偏差之后，网络将进一步正常地计算其他所有内容(整个网络计算、损失和优化函数)？如果可能，我如何达到权重，然后创建额外的自定义步骤？
回答 2
Stack Overflow用户
回答已采纳
发布于 2018-06-05 11:37:31
您应该首先收集应该在集合like this way中更改的所有权重，或者按名称选择变量，然后可以进行更改，然后将更改后的值分配给原始变量。在sess.run之后，您可以在现实中更改它们。
例如：
t_vars = tf.trainable_variables()
d_vars = [var for var in t_vars if 'this_' in var.name]
clip_D = [p.assign(tf.clip_by_value(p, -1, 1)) for p in d_vars]页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/50689401
复制相关文章
相似问题