Python 如何限制TensorFlow中的权值不改变符号？

我看过几篇关于向TensorFlow权重变量添加简单约束（即非负性）的文章，但没有一篇是关于如何防止权重改变符号的。例如，如果我有

W=tf.get_变量（'W1'，[512，256]，初始值设定项=初始值设定项，dtype=tf.float32）

---

如何添加一个约束，使初始化后

W[I，j]

无法更改符号？在tf.get_variable（）中，我看不到使用“constraint”选项的明确方法

我解决这个问题的方法如下

对于每个重量，存储初始标志。这可以使用以下代码完成

w1 = tf.get_variable('W1', [512, 256], initializer=initializer, dtype=tf.float32)
w1_sign = tf.zeros_like(w1)
store_sign = tf.assign(w1_sign, tf.sign(w1))

当权重打破符号约束时，可以使用以下代码使权重为0

constraint_op = tf.assign(w1, tf.where(w1_sign * w1 >= 0, w1, 0))

现在可以按如下方式运行上述代码

sess = tf.Session()
sess.run(tf.global_variables_initializer())
sess.run(store_sign)
for _ in range(train_itr):
    sess.run(some_train_op)
    sess.run(constraint_op)

请注意，在上述代码中，您仅运行一次op

store\u sign

，并且在每次运行

train\u op

之后运行op

constraint\u op

---

同样的思想也可以应用于

tf.get\u变量

的

约束

参数

我想知道在什么样的情况下，这可能是一个有用的约束。如果你能在你的问题中加入这一点，这将对社区有所帮助。