tensorflow – 如何构建具有单独的推理和训练部分的TF图？

2019年7月20日 243次阅读

引用
this post之前的问题,因为建议是创建一个具有单独的推理和训练部分的图形.

Boilerplate代码将非常感激.

最佳答案 存储库中的MNIST卷积就是一个例子 –
tensorflow/tensorflow/models/image/mnist/convolutional.py

当你将模型构造代码分解为函数(convolutional.py中的模型)时,它遵循一种模式,并为eval和训练部分单独调用它

 logits = model(train_data_node, True)
 loss = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits(
      logits, train_labels_node))
 eval_prediction = tf.nn.softmax(model(eval_data))

对于培训,您可以输入train_data_node并最小化损失,对于eval,您可以输入eval_data节点并在eval_prediction中获取结果

点赞