Я построил автоэнкодер, используя слои tf.layers.conv2d, и хотел бы обучать его поэтапно. То есть сначала тренировать внешние слои, затем средние слои, а затем внутренние. Я понимаю, что это возможно с помощью tf.nn.conv2d, потому что веса объявляются с помощью tf.get_variable, но я думаю, что это также должно быть возможно с помощью tf.layers.conv2d.
Если я ввожу новую область переменных, отличную от исходного графика, чтобы изменить входные данные для сверточных слоев (т.е. пропустить внутренние слои на этапе 1), я не смогу повторно использовать веса. Если я не войду в новую область переменных, я не смогу заморозить веса, которые я не хочу тренировать на этом этапе.
В основном я пытаюсь использовать метод обучения от Орельена Жерона здесь https://github.com/ageron/handson-ml/blob/master/15_autoencoders.ipynb
За исключением того, что я хотел бы использовать cnn вместо плотных слоев. Как это сделать?