Question

我想使用梯度下降到可变＆＃34最小化;损失＆＃34 ;,但我不＆＃39;吨希望它能够更新每一个变量，只是其中的几个（有我希望在同一图表中保留一些变量。）。

因此，我在代码段的最后一行中列出了我要在var_list=[]中更新的变量：

conv_weights = [0]*CONVOLUTION_COUNT # couldn't figure out how to initialize this better
conv_biases = [0]*CONVOLUTION_COUNT
for layer in range(0,CONVOLUTION_COUNT):
    inSize = max(NUM_CHANNELS,5*layer)
    outSize = 5*(layer+1)

    conv_weights[layer] = tf.Variable(tf.truncated_normal([FILTER_SIZE, inSize, outSize],stddev=0.1,seed=SEED, dtype=data_type()))
    conv_biases[layer] = tf.Variable(tf.constant(0.1, shape=[outSize], dtype=data_type()))

fc1_weights = tf.Variable(tf.truncated_normal([20*35, 512],stddev=0.1,seed=SEED,dtype=data_type()))
fc1_biases = tf.Variable(tf.constant(0.1, shape=[512], dtype=data_type()))
fc2_weights = tf.Variable(tf.truncated_normal([512, NUM_OUTPUTS],stddev=0.1,seed=SEED,dtype=data_type()))
fc2_biases = tf.Variable(tf.constant(0.1, shape=[NUM_OUTPUTS], dtype=data_type()))

...

optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(loss=loss, global_step=batch,
var_list=[conv_weights,conv_biases,fc1_weights,fc1_biases,fc2_weights,fc2_biases])

我收到错误：

if v.op.type == "ReadVariableOp":
AttributeError: 'list' object has no attribute 'op'

我有点困惑为什么列表中的元素需要进行操作，因为我只是更新神经网络的权重。这些只是变量，对吗？有人猜到我做错了什么或我采取了什么其他方法？

此外，当我没有指定var_list时，所有这些代码都能正常工作。

在TensorFlow中设置梯度下降的变量列表

0 个答案: