Question

我想构建一个tensorflow包装器来训练模型。我们的想法是你可以在一个函数中定义你的模型，将它传递给object / wrapper，然后它将完成其余的工作。因此，您不必每次都从头开始对所有内容进行编码。我会用一些伪代码清楚地说明一下

def model():
    //Define your tf graph/structure here
    return output

然后你会有一个课程，你可以将你的模型，训练数据，有效数据传递给它

class tf_wrapper():
   def __init___(model,training_data,valid_data):
      //init stuffs
   def train():
     //code to train the model

在许多教程中，列车代码看起来应该是标准的：

for i in range(epochs):
    sess.run(feed_dict{placeholder_X: batch_X, placeholder_Y: batchY)

我现在正在努力的是，有不同类型的模型结构，损失函数，输入管道......例如：分类任务的损失函数不同于回归（crossmax entropy vs MSE）也是精度的计算，或者您输入CNN数据的方式与RNN不同。解决这个问题的最佳方法是什么？