培训期间改变损失功能

Question

假设我的损失函数具有以下形式：

损失= a * loss_1 +（1-a）* loss_2

假设我正在训练100步。如何动态改变tensorflow中的损失函数，以便逐渐改变＆＃34; a＆＃34;在100步培训期间从1到0？

确切地说，我希望自己的损失  损失= 1 * loss_1 + 0 * loss_2 = loss_1 在培训开始时（步骤1）

和

损失= 0 *损失_1 + 1 *损失_2 =最后的损失_2（步骤100）

在某种程度上渐进（不必连续）之间减少。

Answer 1

假设a的值不依赖于当前步骤完成的计算，请为a创建占位符，然后使用Feed字典传递所需的值。

Answer 2

您可以使用tf.train.polynomial_decay。

tf.train.polynomial_decay(learning_rate=1, global_step=step_from_placeholder,
    decay_steps=100, end_learning_rate=0,
    power=1.0, cycle=False, name=None)

这计算

global_step = min(global_step, decay_steps)
decayed_learning_rate = (learning_rate - end_learning_rate) * \
  (1 - global_step / decay_steps) ** (power) + end_learning_rate