python - 如何使用 tf.GradientTape 训练分支神经网络?
问题描述
我正在尝试使用 Keras 和 TF2 训练一个分支模型,其结构类似于此图像模型架构
基本上,我有一个图像数据集,它将通过一个编码器传递给我一个潜在向量作为结果。根据特定条件,开关会将此潜在向量传递给 4 个 DNN 之一。它们都产生自己的输出和损失,总损失是它们的总和。
所以,我的问题是,我应该如何使用 tf.GradientTape() 来跟踪梯度并更新模型可训练变量,因为小批量中的数据不会以一种方式流动?
Obs:我已经想出了一种在前进步骤中将潜在向量传递给正确 DNN 的方法。
解决方案
推荐阅读
- python - 在 pyspark 列中查找列表中连续长度的长度
- google-cloud-platform - 如何使用部署管理器跨区域部署
- powerbi - Power BI - 将数据过滤到当前周(周数)
- android - built_value 与 flutter_test 存在依赖冲突
- module - 没有名为 install 的模块
- javascript - jQuery/JS 未正确注册单选按钮值
- java - 向端点发出请求错误
- android - Firebase:Reference.set 失败:指定的第一个参数路径超过了可以写入的最大深度(32)或对象包含属性中的循环
- javascript - 在带有选项的选择下拉列表中获取位置列表的最佳方法
- robotframework - 如何使用 Robotframework 中的 AutoItLibrary 将本地 Windows 机器中的图像添加到浏览器