我想在tensorflow中实现一个多任务学习框架。我目前正在执行类似的操作（伪代码）
define_reg_cost()
define_clas_cost()
reg_optimizer.(reg_learning_rate).min(reg_cost)
clas_optimizer.(clas_learning_rate).min(clas_cost)
for num_iterations:
reg_optimizer.run()
clas_optimizer.run()
这对我来说似乎不是正确的方法。我有两个损失函数，我想学习权重以在同一优化器中以不同的学习率将两个损失减至最小。我基本上希望渐变优化器进行如下更新：
权重更新=权重-学习率_1 * d（损失1）/ dw-学习率_2 * d（损失2）/ dw
有关如何执行此操作的任何提示（可能使用optimizer.apply_gradients（））？
我正在研究一个关于在opencv中检测交通标志的项目.我需要一个好的HSV系列来过滤城市环境中的红色,蓝色和黄色交通标志.这只是为了让我有一个较小的兴趣区域.所以我不想要一个高度准确的范围,而是一个粗略的估计.谁能帮我吗？？