我正在使用 tensorflow 进行梯度体面分类。
train_op = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost)
这里的 cost 是我在优化中使用的成本函数。
在 Session 中启动 Graph 后，Graph 可以作为:
sess.run(train_op, feed_dict)
这样，成本函数中的所有变量都将更新，以最小化成本。
这是我的问题。训练时如何只更新成本函数中的一些变量..？有没有办法将创建的变量转换为常量或其他东西......？
最佳答案
有几个很好的答案，这个主题应该已经关闭了: stackoverflow Quora
只是为了避免人们再次点击这里:
tensorflow 优化器的最小化函数为此目的采用了一个 var_list 参数:
first_train_vars = tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES,
"scope/prefix/for/first/vars")
first_train_op = optimizer.minimize(cost, var_list=first_train_vars)
second_train_vars = tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES,
"scope/prefix/for/second/vars")
second_train_op = optimizer.minimize(cost, var_list=second_train_vars)
我照原样从mrry
要获取您应该使用的名称列表而不是 "scope/prefix/for/second/vars"，您可以使用:
tf.get_default_graph().get_collection_ref(tf.GraphKeys.TRAINABLE_VARIABLES)
关于python - 只训练tensorflow中的一些变量，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/38989046/