我可以使用具有不同输入张量的相同模型吗？我应该避免多次运行session.run()吗？
我可以使用具有不同输入张量的相同模型吗？我应该避免多次运行session.run()吗？
提问于 2019-02-06 11:23:13
我正在尝试通过训练和验证相同的模型(完全连接的MLP)来构建一个图，而不需要重新运行会话，不使用feed_dict和tf.data。通常，使用feed_dict时，我会使用输入张量X定义模型，并评估张量损失或准确性。然后，在图形执行期间，我会编写类似这样的代码
...
#Training
session.run([train_op], feed_dict={X: XTrainingData, Y: YTrainingData})
#Validation
session.run([accuracy_validation], feed_dict={X: XValidationData, Y: YValidationData})我知道如何使用数据集进行训练并避免feed_dict。我的问题是:如何避免使用feed_dict进行训练和验证？如果X来自迭代器，我将调用.get_next()两次(一次用于训练X1，一次用于验证X2)，我如何构建使用X1和X2的图？
一般来说，我应该避免多次调用session.run()吗？
回答 2
Stack Overflow用户
发布于 2019-02-06 12:33:24
用于验证的session.run()调用将是简单的前馈网络，它将占用非常少的时间和内存。因此，如果你多次使用它，它应该不是什么大问题。您可以尝试使用X1和Y1的不同输入占位符进行另一个验证操作，并将这些张量传递给您的模型并进行验证。
x1 = tf.placeholder(shape=[None,256,256,1],dtype='float32',name='input_img')
y1 = tf.placeholder(shape=[None,256,256,1],dtype='float32',name='output_img')
x2 = tf.placeholder(shape=[None,256,256,1],dtype='float32',name='val_input_img')
y2 = tf.placeholder(shape=[None,256,256,1],dtype='float32',name='val_output_img')
pred = mod(x1) #mod is the network
val = mod(x2) #prediction for validation
los = tf.reduce_mean(tf.square(pred-y1))
val_los = tf.reduce_mean(tf.square(val-y2)) # validation loss
opt = tf.train.AdamOptimizer(learning_rate=0.001)
train = opt.minimize(los)
init = tf.global_variables_initializer()然后做这样的事情
_,val_lo = session.run([train,val_los],feed_dict={x1:xtr,y1:ytr,x2:xval,ytr:yval})Stack Overflow用户
发布于 2019-02-06 15:59:53
以同样的方式将验证集输入数据管道有什么问题？
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/54552492
复制相关文章
![[解决方案] spring-mvc 400错误解决办法](https://ask.qcloudimg.com/http-save/yehe-7858252/bqzl2frnch.png)
点击加载更多
相似问题
Android: onCreate被重复调用
android，在onCreate()中创建线程时出错
OnCreate在Android中调用OnPause
在android中调用onCreate方法内的onCreate方法
当应用程序关闭时，Android总是调用onCreate。
添加站长 进交流群
领取专属 10元无门槛券
AI混元助手 在线答疑
关注 腾讯云开发者公众号
洞察 腾讯核心技术
剖析业界实践案例
腾讯云开发者
