如何在tf.get_variable中使用正则化参数？

Question

用法的语法很明确：

decay = tf.constant(0.001, dtype=tf.float32)
w = tf.get_variable(name='weight', shape=[512, 512],
                    regularizer=tf.contrib.layers.l2_regularizer(decay))

但是，在文档中仅说明了以下内容：

  

regularizer：一个（张量->张量或无）功能；将其应用于新创建的变量的结果将添加到集合tf.GraphKeys.REGULARIZATION_LOSSES中，并可用于正则化。

以上内容并不意味着正则化损失会自动最小化。那么，我们是否需要从集合tf.GraphKeys.REGULARIZATION_LOSSES中手动获取变量并将其添加到我们的主要损失中才能应用它？

Answer 1

  

那么我们是否需要从集合tf.GraphKeys.REGULARIZATION_LOSSES中手动获取变量，并将其添加到我们的主要损失中才能应用它？

是，不是：您需要通过tf.losses.get_regularization_loss()手动获取正则化损失（这将已经获得集合中定义的所有正则化损失，无需在其中搜索变量），然后您只需添加将正则化损失转化为模型损失，并将其用作优化器训练的损失：

logits = model_fn(inputs)
model_loss = your_chosen_loss_function(logits)
regularization_loss = tf.losses.get_regularization_loss()
your_chosen_optimizer.minimize(model_loss + regularization_loss)