Question

我相信在很多情况下，我们需要冻结tensorflow图中的某些层并保持其他层可训练。

是否有一种方法可以快速检查网络是否按预期进行了培训？例如，冻结层中的变量实际上在训练期间不会更新。

我正在使用以下方法冻结范围“ ABC”中的所有变量：

    with slim.arg_scope(inception.inceptionb_v2_arg_scope()):
        with tf.variable_scope('ABC'):
          _, end_points = getattr(inception, 'inception_v2'(..., is_training = False))
                         ......
    trainables = [v for v in tf.trainable_variables() if 'ABC/' not in v.name]
    optimizer = tf.train.AdamOptimizer().minimize(loss, var_list= trainables)

建议什么方法来快速确认这些变量在训练过程中确实没有改变？

Answer 1

您可以在几次迭代后检查它们：

frozen_variables = [v for v in tf.trainable_variables() if 'ABC/' in v.name]
tmp_frozen_variables_np = sess.run(frozen_variables)
# Training Code
assert np.allclose(tmp_frozen_variables_np, sess.run(frozen_variables))

但是，只要它们不在优化程序的var列表中，就可以了。

如何快速检查训练期间哪些张量流变量已更新以及哪些已冻结？

1 个答案: