張量流中的自定義層

Question

我正在嘗試對tensorflow中的內置dropout函數進行一些更改。 這樣做的最佳過程是什么？

我想對正向和反向傳播步驟進行一些更改。 在Tensorflow實現中，我只能找到前向通過而不是后向通過。 我想同時修改正向和反向傳遞。

Answer 1

您可以使用tf.custom_gradient在單個方法中定義自己的前進和后退步驟。 這是一個簡單的示例：

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())

如果要自定義圖層 ，只需將tf.layers.Dropout.call使用的核心函數替換為自己的圖層即可。