如何在tf.get_variable中使用正则化器参数?

Question

用法的语法很清楚：

decay = tf.constant(0.001, dtype=tf.float32)
w = tf.get_variable(name='weight', shape=[512, 512],
regularizer=tf.contrib.layers.l2_regularizer(decay))

但是，在文档中仅说明以下内容：

regularizer：一个(张量->张量或无)函数;将其应用于新创建的变量的结果将被添加到集合tf.GraphKeys.REGULARIZATION_LOSSES中，并可用于正则化。

以上并不意味着正则化损失会自动最小化。那么我们是否需要手动从集合tf.GraphKeys.REGULARIZATION_LOSSES中获取变量并将其添加到我们的主要损失中才能应用它？

Answer 1

因此，我们需要从集合 tf 中手动获取变量。GraphKeys.REGULARIZATION_LOSSES并将其添加到我们的主要损失中，以便应用它？

是，也不是：您需要通过tf.losses.get_regularization_loss()手动获取正则化损失(这将已经获得集合中定义的所有正则化损失，无需在其中搜索变量)，然后您只需将正则化损失添加到模型的损失中，并将其用作优化器训练的损失：

logits = model_fn(inputs)
model_loss = your_chosen_loss_function(logits)
regularization_loss = tf.losses.get_regularization_loss()
your_chosen_optimizer.minimize(model_loss + regularization_loss)