在训练期间固定神经网络中的一部分权重

Question

我正在考虑创建一个定制的神经网络。基本结构和往常一样，但我想截断层与层之间的连接。例如，如果我构建一个具有两个隐藏层的网络，我想删除一些权重并保留其他权重，如下所示：

这不是常规的dropout（以避免过度拟合），因为剩余的权重（连接）应该指定并固定。

python有什么方法可以做到吗？ Tensorflow、pytorch、theano 或任何其他模块？

Answer 1

是的，您可以在 tensorflow 中执行此操作。

你的 tensorflow 代码中会有这样的层：

m = tf.Variable( [width,height] , dtype=tf.float32  ))
b = tf.Variable( [height] , dtype=tf.float32  ))
h = tf.sigmoid( tf.matmul( x,m ) + b )

你想要的是一些新的矩阵，我们称它为 k 来杀死。它会杀死特定的神经连接。神经连接在 m 中定义。这将是您的新配置

k = tf.Constant( kill_matrix , dtype=tf.float32 )
m = tf.Variable( [width,height] , dtype=tf.float32  )
b = tf.Variable( [height] , dtype=tf.float32  )
h = tf.sigmoid( tf.matmul( x, tf.multiply(m,k) ) + b )

您的 kill_matrix 是一个由 1 和 0 组成的矩阵。为你想要保留的每个神经连接插入一个 1，为你想要杀死的每个神经连接插入一个 0。

在训练期间固定神经网络中的一部分权重

Fixing a subset of weights in Neural network during training

python

theano

pycaffe

tensorflow

pytorch