Question

对于某些权重，我想停止对我的keras模型进行梯度计算。因为我不想训练这些重量。如何使用tf.stop_gradient作为输入是张量列表（model.get_weights），而不是所需的张量。

这只是一个玩具示例。

cat tmp.log | grep xml | awk  'BEGIN { FS = "[" } ; { print $2 }'| awk  'BEGIN { FS = "]" } ; { print $1 }'

我想要一个像grad1这样的渐变矩阵。对于这种模型：

import tensorflow as tf
import numpy as np

def entry_stop_gradients(target, mask):
    mask_h = tf.abs(mask-1)
    return tf.stop_gradient(mask_h * target) + mask * target

mask = np.array([1., 0, 1, 1, 0, 0, 1, 1, 0, 1])
mask_h = np.abs(mask-1)

emb = tf.constant(np.ones([10, 5]))

matrix = entry_stop_gradients(emb, tf.expand_dims(mask,1))

parm = np.random.randn(5, 1)
t_parm = tf.constant(parm)

loss = tf.reduce_sum(tf.matmul(matrix, t_parm))
grad1 = tf.gradients(loss, emb)
grad2 = tf.gradients(loss, matrix)

with tf.Session() as sess:
    print sess.run(loss)
    print sess.run([grad1, grad2])

这个掩码矩阵：

model = tf.keras.Sequential([
  tf.keras.layers.Dense(2, activation=tf.sigmoid, input_shape=(2,)),
  tf.keras.layers.Dense(2, activation=tf.sigmoid)
])

您可以将tf.stop_gradient与keras模型一起使用吗？

0 个答案: