深度学习中，有时需要固定网络中部分层数的参数而只训练剩余的一部分，通过合理的使用tf.get_collection()函数，可以很容易的实现。例如： 即，把需要更新梯度的层放在get_collection这个函数里面，不需要更新的不放进去。 ...

rman备份异机恢复部分pdb参考资料：How to use Rman to Restore Of Single PDB in Multitenant to Alternate Server (文档 ID 2142675.1) recover database skip forever ...

转载自：https://yq.aliyun.com/articles/582880 背景 一个较大的数据库，如何只恢复一部分数据（例如只恢复某个DB）。 如果访问有坏块的表。 如何从无法启动的数据库中，恢复到有意义的数据。 如何正确的进行备份。 如何恢复到过去的某个时间点。 恢复部分 ...

： 1） Tensorflow的模型（model）长什么样子？ 2） 如何保存tensorflow的模型？ 3） 如何 ...

vars = tf.global_variables() net_var = [var for var in vars if 'bi-lstm_secondLayer' not in va ...

我现在的问题是，我的模型由两部分组成，bert+gat，bert只需要3~5轮就能收敛，而gat需要几十次， 我期望的目标是训练5轮过后，就只训练gat，bert不被更新 总体上有两种思路，一种是将不想被训练的参数修改为requires_grad=False，另一种是只将要训练的参数放到优化器 ...

我们使用TensorFlow进行模型的训练，训练好的模型需要保存，预测阶段我们需要将模型进行加载还原使用，这就涉及TensorFlow模型的保存与恢复加载。 总结一下Tensorflow常用的模型保存方式。 保存checkpoint模型文件（.ckpt） 首先，TensorFlow提供了一个 ...

在迁移学习中我们经常会用到预训练模型，并在预训练模型的基础上添加额外层。训练时先将预训练层参数固定，只训练额外添加的部分。完了之后再全部训练微调。 在pytorch 固定部分参数训练时需要在优化器中施加过滤。 需要自己过滤 另外，如果是Variable，则可以初始化时指定 ...