В TensorFlow я пытаюсь изменить вес во время обучения, но не получаю никаких изменений в результатах. Я попытался сорвать весы (установить на ноль), но, похоже, ничего не делает (кроме того, что требуется больше времени для завершения). Что мне не хватает? Есть ли способ манипулировать W как регулярная матрица/тензор во время сеанса?Динамически изменяющиеся веса в TensorFlow
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
import tensorflow as tf
sess = tf.InteractiveSession()
x = tf.placeholder(tf.float32, shape=[None, 784])
y_ = tf.placeholder(tf.float32, shape=[None, 10])
W = tf.Variable(tf.zeros([784,10]), trainable=True)
W2 = tf.Variable(tf.zeros([784,10]), trainable=False)
b = tf.Variable(tf.zeros([10]))
sess.run(tf.initialize_all_variables())
y = tf.nn.softmax(tf.matmul(x,W) + b)
loss = tf.reduce_mean(tf.square(y_ - y))
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(loss)
for i in range(1000):
#try to change W during training
W = W2
W = tf.Variable(tf.zeros([784,10]))
W.assign(tf.Variable(tf.zeros([784,10])))
batch = mnist.train.next_batch(1)
train_step.run(feed_dict={x: batch[0], y_: batch[1]})
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print(accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels}))
Точность остается неизменной (0,82).
Что вы пытаетесь достичь? Tensorflow использует подход, в котором вы сначала создаете график, затем вы используете сеанс для его запуска. Обычно вы не должны напрямую манипулировать тензорами во время тренировочной фазы. – Aenimated1
Обновление: если я повторяю строку «y = tf.nn.softmax (tf.matmul (x, W) + b)» перед изменением W, результаты теперь меняются. Не уверен, что мне не хватает, но теперь это работает. – Danny
Я пытаюсь напрямую манипулировать тензорами во время фазы обучения. В основном, чтобы добавить некоторые правила и функции, которые не покрываются TF, но я могу легко реализовать с помощью тензорной математики, посмотрите, может ли она помочь в создании лучших сетей. – Danny