tensorflow只訓練指定變數

在用tensorflow訓練神經網路時，有時我們想固定其中一些變數的取值不變，訓練指定scope中的變數，常用的如finetune等。

一種最常用的方法是在用optimizer計算梯度時，指定計算梯度的變數列表（待優化的變數列表）。示例如下：

import tensorflow as tf

import tensorflow.contrib.slim as slim
# 定義優化器
g_optimizer = tf.train.adamoptimizer(learning_rate = 1e-4)
# 指定待優化的變數列表
g_var_list = tf.get_collection(key=tf.graphkeys.training_variables,scope="generator")
# 根據損失 gen_loss, 計算指定變數的優化梯度，g_gradient中儲存了待優化的變數和對應變數的優化梯度。
g_gradient = g_optimizer.compute_gradients(loss = gen_loss, var_list = g_var_list)
# 應用梯度，用計算的變數梯度優化變數列表中的變數

更多凍結變數的方法可參考：tensorflow凍結變數方法（tensorflow freeze variable）

但是我認為，以上就足夠了。

TensorFlow訓練Logistic回歸

如下圖，可以清晰看到線性回歸和邏輯回歸的關係，乙個線性方程被邏輯方程歸一化後就成了邏輯回歸。對於二分類，輸出假如線性回歸模型為，則要將z轉成y，即y g z 於是最直接的方式是用單位階躍函式來表示，即 如圖，但階躍函式不連續，於是用sigmoid函式替代之，為 如圖，則有，即logistics函式，...

Tensorflow訓練迴圈

def fit loop model,inputs,targets,sample weights none,class weight none,val inputs none,val targets none,val sample weights none,batch size none,epoch...

tensorflow 資料訓練

一 資料訓練遇到問題 excle資料，如何進行訓練？excle資料，如何resize 呢？目前思路 tfrecords 採用 numpy的方法進行處理 學習方法 從檔案中讀取資料 標準化格式tfrecords記錄 二 資料預處理 numpy 不能有中文，要採用decode等方法 不能夠有百分號？目前...