不确定函数是否会破坏反向传播

Question

在过去的几天里，我一直在对 tensorflow 进行大量修改，但是我非常不确定我编写的函数是否会破坏神经网络中的反向传播。我想在我尝试将此功能集成到 NN 中之前先在这里问一下。所以基本设置是我想用

添加两个矩阵

op = tf.add(tfObject, tfImageBackground)

其中 tfImageBackground 是一些常量图像。（即大小为 800、800 且 R = G = B = A = 0 的 RGBA 图像）并且 tfObject 再次是具有相同维度的矩阵但是我们通过函数得到它我不确定

def getObject(vector):
    objectId = vector[0]
    x = vector[1]
    y = vector[2]
    xEnd = baseImageSize-(x+objectSize)
    yStart =baseImageSize- (y+objectSize)

    padding = tf.convert_to_tensor([[x, xEnd], [yStart, y],[0,0]])

    RTensor = tfObjectMatrix[objectId,:,:,0:1]
    GTensor = tfObjectMatrix[objectId,:,:,1:2]
    BTensor = tfObjectMatrix[objectId,:,:,2:3]
    ATensor = tfObjectMatrix[objectId,:,:,3:4]

    paddedR = tf.pad(tensor = RTensor,
        paddings= padding,
        mode='Constant',
        name='padAverageRed',
        constant_values=255)

    ...
    generates padding for every channel
    ...

    finalTensor=tf.concat([paddedR, paddedG, paddedB, paddedA], 2)
    return finalTensor

tfObjectMatrix 是一个永远不会改变的图像列表。我确实检查了我是否能够从 op 生成 tf.gradient，结果证明是有效的。我不确定这是否足以让反向传播起作用。

感谢您付出时间和精力。任何输入都将不胜感激。

Answer 1

TensorFlow 默认情况下会[=23=]反向传播到所有内容。根据您的代码，所有内容都将通过优化器的训练操作接收梯度。因此，为了回答您的问题，反向传播将起作用。

唯一要考虑的是，您说 tfObjectMatrix 是不会更改的图像列表。所以您可能不希望它接收任何渐变。因此，您可能想查看 tf.stop_gradient() 并可能像 OM = tf.stop_gradient( tfObjectMatrix ) 一样使用它，并在您的函数中使用 OM。

不确定函数是否会破坏反向传播

Unsure whether function breaks backpropagation

machine-learning

backpropagation

neural-network

tensorflow