Question

tf.layers包中包含图层定义函数，该函数不包含要训练的显式张量。例如，layers.conv2d没有像nn.conv2d那样的filter张量。

tensorflow如何找到适合的变量？

如果我混合layers和nn的操作，我怎样才能以相同的方式提供变量？

假设，我收集变量以进入列表：

    weights = tf.Variable(tf.truncated_normal([kernel_size[0], kernel_size[0], input_depth, filters],
                                              dtype=tf.float32, stddev=self.init_stddev), trainable=True)

    self.var_list.append(weights)

    biases = tf.Variable(tf.truncated_normal([filters], dtype=tf.float32, stddev=self.init_stddev), trainable=True)

    self.var_list.append(biases)

    x = tf.nn.conv2d(x, weights, [1, 1, 1, 1], padding=padding)

    x = tf.nn.bias_add(x, biases)

然后

self.step = opt.minimize(self.cross_entropy, var_list=self.var_list)

Answer 1

我对你的问题有点困惑。当然，tf.layers.conv2d具有用于定义张量的参数（第二个）：

tf.layers.conv2d conv2d（输入，过滤器， kernel_size， strides =（1,1），填充=“有效”， DATA_FORMAT = 'channels_last'， dilation_rate =（1,1），活化=无， use_bias =真， kernel_initializer =无， bias_initializer = tf.zeros_initializer（）， kernel_regularizer =无， bias_regularizer =无， activity_regularizer =无， kernel_constraint =无， bias_constraint =无，可训练=真，名称=无，重用=无）

此外，在tensorflow文档中，明确提到：

tf.nn.conv2d - 在给定4-D输入和滤波器张量的情况下计算2-D卷积。

所以你应该使用tf.layers.conv2d构建网络，使用tf.nn.conv2d进行计算。

如果我使用来自tf.layers包的类，tensorflow如何知道哪些变量适合？

1 个答案: