TensorFlow的权值更新方法
一. MovingAverage权值滑动平均更新
1.1 示例代码：
def create_target_q_network(self,state_dim,action_dim,net):
state_input = tf.placeholder("float",[None,state_dim])
action_input = tf.placeholder("float",[None,action_dim])
ema = tf.train.ExponentialMovingAverage(decay=1-TAU)
target_update = ema.apply(net)
target_net = [ema.average(x) for x in net]
layer1 = tf.nn.relu(tf.matmul(state_input,target_net[0]) + target_net[1])
layer2 = tf.nn.relu(tf.matmul(layer1,target_net[2]) + tf.matmul(action_input,target_net[3]) + target_net[4])
q_value_output = tf.identity(tf.matmul(layer2,target_net[5]) + target_net[6])
return state_input,action_input,q_value_output,target_update
def update_target(self):
self.sess.run(self.target_update)其中，TAU=0.001，net是原始网络(该示例代码来自DDPG算法，经过滑动更新后的target_net是目标网络 )
第一句 tf.train.ExponentialMovingAverage，创建一个权值滑动平均的实例；
第二句 apply创建所训练模型参数的一个复制品(shadow_variable)，并对这个复制品增加一个保留权值滑动平均的op，函数average()或average_name()可以用来获取最终这个复制品(平滑后)的值的。
更新公式为：
shadow_variable = decay * shadow_variable + (1 - decay) * variable
在上述代码段中，target_net是shadow_variable，net是variable
1.2 tf.train.ExponentialMovingAverage.apply(var_list=None)
var_list必须是Variable或Tensor形式的列表。这个方法对var_list中所有元素创建一个复制，当其是Variable类型时，shadow_variable被初始化为variable的初值，当其是Tensor类型时，初始化为0，无偏。
函数返回一个进行权值平滑的op，因此更新目标网络时单独run这个函数就行。
1.3 tf.train.ExponentialMovingAverage.average(var)
用于获取var的滑动平均结果。
二. tf.train.Optimizer更新网络权值
2.1 tf.train.Optimizer
tf.train.Optimizer允许网络通过minimize()损失函数自动进行权值更新，此时tf.train.Optimizer.minimize()做了两件事：计算梯度，并把梯度自动更新到权值上。
此外，tensorflow也允许用户自己计算梯度，并做处理后应用给权值进行更新，此时分为以下三个步骤：
1.利用tf.train.Optimizer.compute_gradients计算梯度
2.对梯度进行自定义处理
3.利用tf.train.Optimizer.apply_gradients更新权值
tf.train.Optimizer.compute_gradients(loss, var_list=None, gate_gradients=1, aggregation_method=None, colocate_gradients_with_ops=False, grad_loss=None)
返回一个(梯度，权值)的列表对。
tf.train.Optimizer.apply_gradients(grads_and_vars, global_step=None, name=None)
返回一个更新权值的op，因此可以用它的返回值ret进行sess.run(ret)
2.2 其它
此外，tensorflow还提供了其它计算梯度的方法：
• tf.gradients(ys, xs, grad_ys=None, name='gradients', colocate_gradients_with_ops=False, gate_gradients=False, aggregation_method=None)
该函数计算ys在xs方向上的梯度，需要注意与train.compute_gradients所不同的地方是，该函数返回一组dydx dydx的列表，而不是梯度-权值对。
其中，gate_gradients是在ys方向上的初始梯度，个人理解可以看做是偏微分链式求导中所需要的。
• tf.stop_gradient(input, name=None)
该函数告知整个graph图中，对input不进行梯度计算，将其伪装成一个constant常量。比如，可以用在类似于DQN算法中的目标函数：
cost=|r+Q next −Q current | cost=|r+Qnext−Qcurrent|
可以事先声明
y=tf.stop_gradient(r+Q next r+Qnext)