如何量化Tensorflow中tf.Variables的值

Question

我有一个训练模型

Y = w * X + b

其中Y和X是输出和输入占位符,w和b是
我已经知道的矢量w的值只能是0或1,而b仍然是tf.float32.

在定义变量w时,如何量化变量w的范围？
或者
我可以有两种不同的学习率吗？w的比率为1或-1,b的比率通常为0.0001.

Answer 1

激活期间无法限制变量.但是你可以做的是在每次迭代后限制它.以下是一种方法tf.where():

import tensorflow as tf

a = tf.random_uniform(shape=(3, 3))

b = tf.where(
    tf.less(a, tf.zeros_like(a) + 0.5),
    tf.zeros_like(a),
    tf.ones_like(a)
)

with tf.Session() as sess:
    A, B = sess.run([a, b])
    print A, '\n'
    print B

这会将高于0.5的所有内容转换为1,将其他所有内容转换为0:

[[ 0.2068541   0.12682056  0.73839438]
 [ 0.00512838  0.43465161  0.98486936]
 [ 0.32126224  0.29998791  0.31065524]] 

[[ 0.  0.  1.]
 [ 0.  0.  1.]
 [ 0.  0.  0.]]