Question

我正在使用TensorFlow和Python来创建自定义神经网络。我需要在传递每个输入数据之前对权重和偏差进行更改。网络架构很常见（顺序，监督，反向传播），唯一的区别是在每次传递之前我需要进行一些计算。

因此，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，我需要在每次传递中运行一个函数来改变权重。我的问题是如何做到这一点，在我计算出新的权重和偏差后，网络会进一步正常计算其他所有内容（整个网络计算，丢失和优化函数）？如果可能，我怎样才能达到权重，然后创建额外的自定义步骤？

Answer 1

您可以使用tf.assign操作。链接是here。 metaflow的这个blog也很有用。

Answer 2

您应首先收集应在集合like this way中更改的所有权重，或者按名称选择变量，然后您可以执行更改，然后将更改的值分配给原始变量。在sess.run之后你可以在现实中改变它们。

例如：

__exit__