tensorflow - 在训练期间改变损失函数

Question

假设我的损失函数是以下形式：

损失 = a*loss_1 + (1-a)*loss_2

假设我正在训练 100 步。如何在 tensorflow 中动态更改损失函数，以便在 100 步训练期间逐渐将“a”从 1 更改为 0？

准确地说，我希望我的损失是 loss = 1*loss_1+0*loss_2 = loss_1 在训练开始时（在第 1 步）

和

loss = 0*loss_1+1*loss_2 = loss_2 最后（步骤 100）

在两者之间有某种逐渐的（不必是连续的）减少。

Answer 1

假设 的值a不依赖于在当前步骤完成的计算，请创建一个占位符，a然后使用 feed 字典传递您想要的值。

Answer 2

您可以使用tf.train.polynomial_decay。

tf.train.polynomial_decay(learning_rate=1, global_step=step_from_placeholder,
    decay_steps=100, end_learning_rate=0,
    power=1.0, cycle=False, name=None)

这计算

global_step = min(global_step, decay_steps)
decayed_learning_rate = (learning_rate - end_learning_rate) * \
  (1 - global_step / decay_steps) ** (power) + end_learning_rate