Ich bin vor kurzem reproduzieren den Code für Char-RNN in http://karpathy.github.io/2015/05/21/rnn-effectiveness/ beschrieben. Es sind Codes bereits in Tensorflow implementiert und der Code, den ich beziehe, ist bei https://github.com/sherjilozair/char-rnn-tensorflow/blob/master/model.py.Lernrate Initialisierung Char-RNN in Tensorflow implementiert
#1 loss = seq2seq.sequence_loss_by_example([self.logits],
[tf.reshape(self.targets, [-1])],
[tf.ones([args.batch_size * args.seq_length])],
args.vocab_size)
#2 self.cost = tf.reduce_sum(loss)/args.batch_size/args.seq_length
#3 self.final_state = last_state
#4 self.lr = tf.Variable(0.0, trainable=False)
#5 tvars = tf.trainable_variables()
#6 grads, _ = tf.clip_by_global_norm(tf.gradients(self.cost, tvars),
args.grad_clip)
#7 optimizer = tf.train.AdamOptimizer(self.lr)
#8 self.train_op = optimizer.apply_gradients(zip(grads, tvars))
Die Frage ist, auf Platz # 4: Ich habe eine Frage in Bezug auf die folgenden Zeilen in dem oben genannten Code bekommt, warum wir die Lernrate als 0 setzen? Setzen Sie ihn auf 0, um die Lernrate am besten zu initialisieren?