【问题标题】:How tensorflow graph regularization (NSL) affects triplet semihard loss (TFA)张量流图正则化 (NSL) 如何影响三元组半硬损失 (TFA)
【发布时间】:2020-03-29 15:25:05
【问题描述】:

我想使用nsl.keras.GraphRegularization 训练二进制目标深度神经网络模型,如tutorial 中所述。我的模型在中间密集层中有一个triplet semihard loss,它不应该被“图形正则化”。

来自 Github 上的 nsl.keras.GraphRegularization definition

base_model的损失中加入图正则化。

图形正则化在 logits 层上完成,并且仅在训练期间完成。

意思是中间三元组半硬损失不会受到这个正则化的影响?

【问题讨论】:

    标签: python tensorflow keras deep-learning nsl


    【解决方案1】:

    是的,没错。图正则化将仅应用于base_model 的输出。如果您的 base_model 在另一层中使用三元组半硬损失,则该损失应保持不受影响并保留。如果不是这样,请在https://github.com/tensorflow/neural-structured-learning/issues 提交错误。

    【讨论】:

      猜你喜欢
      • 2018-07-04
      • 1970-01-01
      • 1970-01-01
      • 2019-02-11
      • 1970-01-01
      • 2018-12-07
      • 1970-01-01
      • 1970-01-01
      • 2018-12-16
      相关资源
      最近更新 更多