张量流中的自定义层

Question

我正在尝试对tensorflow中的内置dropout函数进行一些更改。 这样做的最佳过程是什么？

我想对正向和反向传播步骤进行一些更改。 在Tensorflow实现中，我只能找到前向通过而不是后向通过。 我想同时修改正向和反向传递。

Answer 1

您可以使用tf.custom_gradient在单个方法中定义自己的前进和后退步骤。 这是一个简单的示例：

import tensorflow as tf

tf.InteractiveSession()

@tf.custom_gradient
def custom_multiply(a, x):
  # Define your own forward step
  y = a * x
  # Define your own backward step
  def grads(dy): return dy * x, dy * a + 100
  # Return the forward result and the backward function
  return y, grads

a, x = tf.constant(2), tf.constant(3)
y = custom_multiply(a, x)
dy_dx = tf.gradients(y, x)[0]
# It will print `dy/dx = 102` instead of 2 if the gradient is not customized
print('dy/dx =', dy_dx.eval())

如果要自定义图层 ，只需将tf.layers.Dropout.call使用的核心函数替换为自己的图层即可。