Tensorflow冻结模型，但反向传播错误和更新输入层

 

我试图解释我的目标。 对于训练有素的模型，我想选择输出类并更新feeded图像。

  • 将图像分配给'input_layer'。
  • 根据所需的输出/类别转发和计算'output_layer'的错误。
  • 将错误传回给'input_layer'，而不更新网络的权重和偏差。
  • 使用反向传播的错误更新输入图层，原始图像。

    • 一些提示？

    您可以使用tf.gradients将其传播回输入图层： 

    ...
logits = run_net(image)
g = tf.gradients(logits[target_class], image)
image += g[0] * step
...

    可以在Deep Dream演示代码中找到这样做的好例子（例如，请参阅“天真功能可视化”或“多尺度图像生成”。

    链接地址: http://www.djcxy.com/p/32061.html

    上一篇: Tensorflow freeze model but backpropagate error and update input layer

    下一篇: Initial states in Char