我是张量流（TF）的新手。最近，当我尝试使用 TF 构建我的深度模型时，我感到很困惑，其中每一层都有自己的（局部）损失函数。
TF 实现的许多深度模型（例如 CNN）似乎只有一个（全局）损失函数，因此可以首先计算从输入层到输出层的隐藏表示；然后获得损失；最后，使用现有的优化算法和损失来训练模型。
与那些模型不同，我想使用 TF 根据其自身的局部损失来训练每一层。这意味着在训练当前层时，前一层的参数应该是固定的。
所以我的问题是如何构建一个或者，如果需要的话，几个图表来实现上述想法？
任何意见和建议将不胜感激。谢谢。
您可以尝试使用优化器的.compute_gradients(loss, var_list)方法。
wrt_layer1 = opt.compute_gradients ( loss1 , < list of variables >)
wrt_layer2 = opt.compute_gradients ( loss2 , < list of variables >)
....
每个返回一个元组列表（梯度，变量）。
连接这些列表中的每一个
final_grads = wrt_layer1 + wrt_layer2 + .....
最后使用.apply_gradients(grads_and_vars)
opt.apply_gradients (final_grads)
我想这可能对你有用。