Question

我需要为3个相同的神经网络（在架构上相同，而不是参数）执行以下任务-A，B，C

将C的权重更新为A和B的函数
火车C
根据新的（训练后的C权重）更新A，B的权重
更新遮罩数组的值

我对Tensorflow还是陌生的，无法弄清楚如何顺序执行这些操作。这是我想出的代码

#Step 3
ass=(W1a.assign((W1c* trans_arr1)+(W1a*(tf.ones([784, L]-trans_arr1)))))

#Step 1
a1=W1c.assign((W1a*trans_arr1)+(W1b*(tf.ones([784, L])-trans_arr1))))

#Step 4
trans_arr1 = genRandMat(784,L,ptrans)

#Loop
for i in range((400)+1):

    #Train C

    training_step(i, i % 100 == 0, i % 20 == 0)

    # Update weights of A,B based on new weights of C

    sess.run([ass])

    #Update masking array

    sess.run([trans_arr1])

    #update C based on A,B
    sess.run([a1])

注意-trans_arr是具有1和0的掩蔽矩阵，其中每个位置1的概率为ptrans

这没有给出预期的结果，表明操作未按我希望的顺序运行。如何获得理想的结果？任何建议都将受到欢迎。

Answer 1

由于您尚未共享所有代码，因此很难思考到底可能出了什么问题，但是您可能需要检查以下几件事。

确保您的genRandMat函数实际上在每次迭代后都生成一个新的随机矩阵。请记住，如果它使用numpy或其他API而不是Tensorflow，则它可能无法达到您的期望。如果您确实在使用其他API来实现此目的，请尝试查看tf.Variable.load（）。\
要顺序运行操作，您可能会考虑研究tensorflow的Eager Execution模式，尽管我本人对此经验有限，所以我不建议您这样做。

希望这会有所帮助。

每次迭代后，代码都会变慢，并且无法提供预期的输出

1 个答案: