使用张量流中的估计器修改神经网络权重

Question

我需要在执行过程中修改权重值，尤其是在compute_gradients（）和apply_gradients（）函数之间。我可以自己修改渐变，但无法更改权重。

我正在使用Tensorflow中的Iris NN教程： https://github.com/tensorflow/models/blob/master/samples/core/get_started/custom_estimator.py，唯一的区别是我更改了compute_gradients（）和apply_gradients（）函数的minimum（）函数。

grads_and_vars = optimizer.compute_gradients(loss)
// some way to change the weights
train_op = optimizer.apply_gradients(grads_and_vars, global_step=tf.train.get_global_step())

谢谢。

Answer 1

我最好的猜测是，您正在寻找tf.assign（来自here）来为您的Variable张量分配值。

根据文档：

  

通过为其分配“值”来更新“参考”。

     

此操作输出一个张量，该张量在分配值后保留新值“ ref”。这样可以更轻松地链接需要使用重置值的操作。