根据定义
tf.contrib.layers.optimize_loss
解释为
"Given loss and parameters for optimizer, returns a training op."
optimizer
在争论中。
我有三个图用于端到端的解决方案。Graph-1具有边界盒检测功能,其中一个层权值被重新用作分类特征。图-1在检测前分别训练。
图3使用roi池的输出作为图的输入,并使用CTC损失训练进行分类。
我的问题是
(2) 从图2开始
conv2D
仅用于将输入特征处的信道从512减少到256,因此不必重新训练权重。我的考虑对吗?
(3) optimize_loss at Graph-3只更新Graph-3中的权重。
由于Graph-3只有一个Conv2D,这是训练分类中唯一需要更新的层。
我怎样才能使我的分类训练和检测一样好?
