在训练期间改变损失函数

Posted 2023-03-28

【中文标题】在训练期间改变损失函数

【英文标题】：change loss function during training

【发布时间】：2017-08-24 22:15:24

【问题描述】：

假设我的损失函数是以下形式：

损失 = a*loss_1 + (1-a)*loss_2

假设我也在训练 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？

确切地说，我希望我的损失是 损失 = 1*损失_1+0*损失_2 = 损失_1 在训练开始时（在第 1 步）

和

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

在两者之间有某种逐渐的（不一定是连续的）减少。

【问题讨论】：

我意识到一个非常老套的解决方案是在前 50 个步骤中使用 loss_1 进行训练，然后记住该训练的权重，然后在剩余的步骤中使用 loss_2 重新训练。不过，我正在寻找一种无需制作两个图表的方法，谢谢。

【参考方案1】：

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

【参考方案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)

这会计算

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