keras - 如何训练模型外的参数?
问题描述
我在 Tensorflow 2.0 Dual Encoder LSTM中实现以下架构
C 和 R 是由两个 LSTM 编码成固定维度的句子。然后它们通过函数 sigmoid(CMR) 传递。我们可以假设 R 和 C 都是 256 维矩阵,M 是 256 * 256 矩阵。矩阵 M 是在训练期间学习的。因为我想训练 M,所以我声明 M = tf.Variable(shape,trainable = True)。但是在拟合模型之后,M的值仍然没有改变。如何告诉 tensorflow 自动计算 M 的梯度?下面是我的代码。 代码
解决方案
推荐阅读
- postgresql - 使用 pgx 从 Postgres 扫描 PostGIS 点时,接口 {} 是字符串,而不是 []uint8
- javascript - Set-Cookie 在 Chrome 和 Dolphin 中不起作用 - 有两个网站
- java - 我可以使用 Autowired 构造函数将模拟注入原型 bean 吗?
- java - 通过java代码在git bash中输入一系列命令
- angular - 延迟加载模块中的路由总是重新加载根组件
- php - PHP月份数组原始值
- java - 何时在 Jython 中使用 cleanup()
- aspnetboilerplate - 在 Asp.net 样板项目中使用剑道 ui
- python - 无法使用 SMTPLIB 打开附件
- vue.js - Vue.js - 从 Vuex Store 的突变内部控制路由器