#
一. valid卷积的梯度 我们分两种不同的情况讨论valid卷积的梯度：第一种情况，在已知卷积核的情况下，对未知张量求导(即对张量中每一个变量求导)；第二种情况，在已知张量的情况下，对未知卷积核求导
在深度学习中，迁移学习经常被使用，在大数据集上预训练的模型迁移到特定的任务，往往需要保持模型参数不变，而微调与任务相关的模型层。 本文主要介绍，使用tensorflow部分更新模型参数的方法。 1.
背景 使用pytorch时，有一个yolov3的bug，我认为涉及到学习率的调整。收集到tencent yolov3和mxnet开源的yolov3，两个优化器中的学习率设置不一样，而且使用GPU数目和
1.tf.train.exponential_decay() 指数衰减学习率： #tf.train.exponential_decay(learning_rate, global_steps, d
pytorch中如何只让指定变量向后传播梯度？ （或者说如何让指定变量不参与后向传播？） 有以下公式，假如要让L对xvar求导： （1）中，L对xvar的求导将同时计算out1部分和out2部分；
我就废话不多说了，直接上代码吧！ import tensorflow as tf w1 = tf.Variable([[1,2]]) w2 = tf.Variable([[3,4]])
