受约束的 TensorFlow CNN 滤波器答案

【问题标题】：Tensorflow CNN filter under constraint受约束的 TensorFlow CNN 滤波器
【发布时间】：2017-03-20 22:11:04
【问题描述】：

背景

我希望使用 CNN 在 tensorflow 中实现通用图像处理检测系统，如 paper 中所述。在普通 CNN 中，过滤器值是在随机初始化后通过反向传播学习的。

问题

在这个实现中，第一个卷积层的过滤器值将在每次迭代后根据给定的约束重新初始化（过滤器中心的值为-1，并将剩余的过滤器值归一化。）其余层将像在普通情况下一样进行训练。在张量流中，训练步骤也会自动训练过滤器值。在使用张量流进行每次训练迭代后，是否可以有效地将给定的约束应用于第一层过滤器？

【问题讨论】：

标签： machine-learning tensorflow neural-network conv-neural-network

【解决方案1】：

是的。

对于大多数训练方法，例如tf.train.AdamOptimizer.minimize，它都有一个参数var_list。默认情况下，它将更新所有张量。如果你写，例如，tf.train.AdamOptimizer(1e-4).minimize(cost, var_list=[W_fc2, b_fc2])：它将更新 W_fc2 和 b_fc2。

【讨论】：