IEF(Iterative Error Feedback): 迭代误差反馈
目的: 使得预测的参数更加精准
研究思路:
(1)以迭代的方式来更新想要预测的参数
(2)输出的是误差-----这个误差就是参数的形变量
(3)多次迭代之后得到的就是需要预测的参数
for i in np.arange(self.num_stage):
print('Iteration %d' % i)
# theta_prev 表示的是需要预测的参数
state = tf.concat([self.img_feat, theta_prev], 1)
if i == 0:
# delta_theta 表示的是预测参数的形变量
delta_theta, threeD_var = threed_enc_fn(
state,
num_output=self.total_params,
reuse=False)
else:
delta_theta, _ = threed_enc_fn(
state, num_output=self.total_params, reuse=True)
"""
这里面忽略了你想要对于预测参数的操作
"""
# (形成迭代误差反馈了) 通过误差来更新需要预测的参数
theta_here = theta_prev + delta_theta
# Finally update to end iteration.---> theta_here update the theta
# 迭代误差反馈的入口
theta_prev = theta_here
整体的思想就是通过误差来更新想要的参数----通过迭代的方式
------------------欢迎留言交流