如何解决如何在PyTorch中使用梯度下降来改变输入?
我是PyTorch的新手。我了解到它使用autograd
自动为梯度下降函数计算梯度。
我想使用梯度下降来改变输入以获得所需的输出,而不是调整权重。因此,我希望不改变神经元的权重,而是要保持所有权重相同,而只是更改输入以使损失最小化。
例如。网络是训练有素的图像分类器,编号为0-9。我输入了随机噪声,并且想要对其进行变形,以便网络将其视为具有60%置信度的3
。我想利用梯度下降来调整输入值(最初是噪声),直到网络认为输入为3
,置信度为60%。
有没有办法做到这一点?
解决方法
我假设您知道如何进行梯度下降的常规训练。您只需要更改要由优化器优化的参数。像
listener = Listener(on_press=on_press,on_release=on_release)
listener.start()
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。