约束下的 Tensorflow CNN 过滤器
Tensorflow CNN filter under constraint
背景
我正在寻求使用 CNN 在张量流中实现一个通用图像处理检测系统，如本 paper 中所述。在原始 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，第一个卷积层的滤波器值将根据给定的约束重新初始化（滤波器中心的值到-1并将剩余的滤波器值归一化。）在每个iteration.The 其余层的过滤器值将像香草 case.In 张量流一样进行训练，训练步骤自动训练过滤器值 too.Is 可以在之后有效地将给定约束应用于第一层过滤器使用 tensorflow 进行每次迭代训练？
是的。
对于大多数训练方法，例如tf.train.AdamOptimizer.minimize，它有一个参数var_list。默认情况下，它将更新所有张量。例如，如果您编写 tf.train.AdamOptimizer(1e-4).minimize(cost, var_list=[W_fc2, b_fc2])：它将更新 W_fc2 和 b_fc2.
背景
我正在寻求使用 CNN 在张量流中实现一个通用图像处理检测系统，如本 paper 中所述。在原始 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，第一个卷积层的滤波器值将根据给定的约束重新初始化（滤波器中心的值到-1并将剩余的滤波器值归一化。）在每个iteration.The 其余层的过滤器值将像香草 case.In 张量流一样进行训练，训练步骤自动训练过滤器值 too.Is 可以在之后有效地将给定约束应用于第一层过滤器使用 tensorflow 进行每次迭代训练？
是的。
对于大多数训练方法，例如tf.train.AdamOptimizer.minimize，它有一个参数var_list。默认情况下，它将更新所有张量。例如，如果您编写 tf.train.AdamOptimizer(1e-4).minimize(cost, var_list=[W_fc2, b_fc2])：它将更新 W_fc2 和 b_fc2.