使用张量流

Question

是否可以使用张量流对输出函数进行参数化模型？如何？

例如： 我想要最后使用softmax函数的模型，所以

cost = tf.reduce_mean(
    tf.nn.softmax_cross_entropy_with_logits(output_potentials, y))

然后我想尝试sigmoidal输出和均方，在这种情况下：

cost = tf.reduce_sum(
    tf.pow(tf.sub(tf.nn.sigmoid(output_potentials), y), 2.0))

我的问题是，如何制定具有成本函数规范的参数化模型？在为这样的模型调用构造函数之前，我没有tensorflow占位符。

Answer 1

将两个函数放入图表中，然后在评估期间调用其中一个或另一个。评估框架将选择评估期间特定成本版本所需图表的子集

cost1 = tf.reduce_mean(
    tf.nn.softmax_cross_entropy_with_logits(output_potentials, y))
cost2 = tf.reduce_sum(
    tf.pow(tf.sub(tf.nn.sigmoid(output_potentials), y), 2.0))
sess.run([cost1])
sess.run([cost2])