Tensorflow實(shí)現(xiàn)部分參數(shù)梯度更新操作

更新時(shí)間：2020年01月23日 18:01:25 作者：zchenack

今天小編就為大家分享一篇Tensorflow實(shí)現(xiàn)部分參數(shù)梯度更新操作，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

在深度學(xué)習(xí)中，遷移學(xué)習(xí)經(jīng)常被使用，在大數(shù)據(jù)集上預(yù)訓(xùn)練的模型遷移到特定的任務(wù)，往往需要保持模型參數(shù)不變，而微調(diào)與任務(wù)相關(guān)的模型層。

本文主要介紹，使用tensorflow部分更新模型參數(shù)的方法。

1. 根據(jù)Variable scope剔除需要固定參數(shù)的變量

def get_variable_via_scope(scope_lst):
  vars = []
  for sc in scope_lst:
    sc_variable = tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES,scope=scope)
    vars.extend(sc_variable)
  return vars
 
trainable_vars = tf.trainable_variables()
no_change_scope = ['your_unchange_scope_name']
 
no_change_vars = get_variable_via_scope(no_change_scope)
 
for v in no_change_vars:
  trainable_vars.remove(v)
 
grads, _ = tf.gradients(loss, trainable_vars)
 
optimizer = tf.train.AdamOptimizer(lr)
 
train_op = optimizer.apply_gradient(zip(grads, trainable_vars), global_step=global_step)

2. 使用tf.stop_gradient()函數(shù)

在建立Graph過(guò)程中使用該函數(shù)，非常簡(jiǎn)潔地避免了使用scope獲取參數(shù)

3. 一個(gè)矩陣中部分行或列參數(shù)更新

如果一個(gè)矩陣，只有部分行或列需要更新參數(shù)，其它保持不變，該場(chǎng)景很常見(jiàn)，例如word embedding中，一些預(yù)定義的領(lǐng)域相關(guān)詞保持不變（使用領(lǐng)域相關(guān)word embedding初始化），而另一些通用詞變化。

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

以上這篇Tensorflow實(shí)現(xiàn)部分參數(shù)梯度更新操作就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章:

相關(guān)文章

在PyCharm中三步完成PyPy解釋器的配置的方法
今天小編就為大家分享一篇在PyCharm中三步完成PyPy解釋器的配置的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
2018-10-10
Python提示[Errno 32]Broken pipe導(dǎo)致線程crash錯(cuò)誤解決方法
這篇文章主要介紹了Python提示[Errno 32]Broken pipe導(dǎo)致線程crash錯(cuò)誤解決方法,是ThreadingHTTPServer實(shí)現(xiàn)http服務(wù)中經(jīng)常會(huì)遇到的問(wèn)題,需要的朋友可以參考下
2014-11-11
Python利用treap實(shí)現(xiàn)雙索引的方法
所遍歷的元素一定是遞增(小堆)或是遞減(大堆)關(guān)系，但是我們無(wú)法得知左子樹(shù)與右子樹(shù)兩部分節(jié)點(diǎn)的排序關(guān)系。本文就來(lái)講講算法和數(shù)據(jù)結(jié)構(gòu)共同滿足一組特性，感興趣的小伙伴請(qǐng)參考下面文章的內(nèi)容
2021-09-09
python不到50行代碼完成了多張excel合并的實(shí)現(xiàn)示例
這篇文章主要介紹了python不到50行代碼完成了多張excel合并的實(shí)現(xiàn)示例，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
2020-05-05
numpy數(shù)組拼接簡(jiǎn)單示例
這篇文章主要介紹了numpy數(shù)組拼接簡(jiǎn)單示例，涉及對(duì)numpy數(shù)組的介紹，numpy數(shù)組的屬性等內(nèi)容，具有一定借鑒價(jià)值，需要的朋友可以參考下。
2017-12-12
使用Python操作ArangoDB的方法步驟
這篇文章主要介紹了使用Python操作ArangoDB的方法步驟，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
2020-02-02
Python-Seaborn熱圖繪制的實(shí)現(xiàn)方法
這篇文章主要介紹了Python-Seaborn熱圖繪制的實(shí)現(xiàn)方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
2019-07-07
深入解析Python編程中super關(guān)鍵字的用法
Python的子類調(diào)用父類成員時(shí)可以用到super關(guān)鍵字,初始化時(shí)需要注意super()和__init__()的區(qū)別,下面我們就來(lái)深入解析Python編程中super關(guān)鍵字的用法:
2016-06-06
python中的字符串內(nèi)部換行方法
今天小編就為大家分享一篇python中的字符串內(nèi)部換行方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
2018-07-07
Python3中的bytes和str類型詳解
這篇文章主要介紹了Python3中的bytes和str類型，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
2019-05-05