深度学习中遇到的Python问题（三）

weixin_41376658

于 2018-03-28 14:45:47 发布

阅读量322

点赞数

分类专栏：深度学习

本文链接：https://blog.youkuaiyun.com/weixin_41376658/article/details/79727487

版权

深度学习专栏收录该内容

16 篇文章

订阅专栏

本文介绍了在深度学习中遇到的Python问题，特别是TensorFlow库的使用。讨论了如何使用tf.train.piecewise_constant进行学习率调整，解释了tf.identity的作用——创建一个与输入张量相同的新张量，并在控制依赖性中使用。此外，还提到了tf.summary.scalar用于标量数据汇总和记录的功能，以及一些高级API的资源链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.tf.train.piecewise_constant
走到一定步长更改学习率。

 initial_learning_rate = 0.1 * params['batch_size'] / 128
 batches_per_epoch = _NUM_IMAGES['train'] / params['batch_size']

 global_step = tf.train.get_or_create_global_step()

   boundaries = [int(batches_per_epoch * epoch) for epoch in [100, 150, 200]]
   values = [initial_learning_rate * decay for decay in [1, 0.1, 0.01, 0.001]]
   learning_rate = tf.train.piecewise_constant(
           tf.cast(global_step, tf.int32), boundaries, values)

2.tf.identity
https://blog.youkuaiyun.com/hu_guan_jie/article/details/78495297
没看懂。
tf.identity是返回了一个一模一样新的tensor，再control_dependencies的作用块下，需要增加一个新节点到gragh中。

3.tf.summary.scalar
对标量数据汇总和记录

一些高级的API
https://zhuanlan.zhihu.com/p/29073452