在Tensorflow中，我想在下一个训练步骤中使用上一个训练步骤中我网络的一些变量 . 更具体地说，我想在训练期间计算二次成本函数，其利用来自先前训练步骤的一些网络张量 .
这个问题可以用RNN代码的片段来回答，但我还没弄清楚如何 . 我正在调查How can I feed last output y(t-1) as input for generating y(t) in tensorflow RNN?和Tensorflow: How to pass output from previous time-step as input to next timestep以及TensorFlow: Remember LSTM state for next batch (stateful LSTM) .
假设h是具有多个先前层的神经网络的最后一层，例如：
h = tf.nn.relu(tf.matmul(h_previous,W_previous))
如何在训练期间处理样本后保留张量h（例如将其保存到h_old），以便我可以在下一个训练步骤中使用它来进行如下计算：
d = tf.sub(h,h_old)
在该示例中，用当前训练样本更新h，并且h_old是在先前训练样本上计算的张量 . 关于这个问题的一些想法会很棒！
1 回答
把
h_old变成一个变量怎么样？