如何在 Tensorflow 中量化 tf.Variables 的值

我有一个像这样的训练模型

Y = w * X + b

其中 Y 和 X 是输出和输入占位符，w 和 b 是向量
我已经知道w的值只能是0或1，而b仍然是tf.float32。

当我定义变量 w 时，如何量化它的范围？
or
我可以有两个不同的学习率吗？像往常一样，w 的比率为 1 或 -1，b 的比率为 0.0001。

在激活期间无法限制您的变量。但你可以做的是在每次迭代后限制它。这是执行此操作的一种方法tf.where() https://www.tensorflow.org/api_docs/python/tf/where:

import tensorflow as tf

a = tf.random_uniform(shape=(3, 3))

b = tf.where(
    tf.less(a, tf.zeros_like(a) + 0.5),
    tf.zeros_like(a),
    tf.ones_like(a)
)

with tf.Session() as sess:
    A, B = sess.run([a, b])
    print A, '\n'
    print B

这会将 0.5 以上的所有内容转换为 1，将其他内容转换为 0：

[[ 0.2068541   0.12682056  0.73839438]
 [ 0.00512838  0.43465161  0.98486936]
 [ 0.32126224  0.29998791  0.31065524]] 

[[ 0.  0.  1.]
 [ 0.  0.  1.]
 [ 0.  0.  0.]]