如何构建具有单独的推理和训练部分的TF图？

Question

引用前面提到的this post，因为建议是创建一个具有单独的推理和训练部分的图表。

Boilerplate代码将不胜感激。

Answer 1

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

当您将模型构造代码分解为函数（model中的convolutional.py）并将其分别调用为eval和训练部分时，它遵循一种模式

 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，您需要提取train_data_node并最小化loss，对于eval，您可以输入eval_data节点并在eval_prediction

获取结果