Question

我想在同一个TensorFlow会话中训练和测试我的模型。我使用两个不同的tf.FIFOQueue来使用多个线程加载训练和测试数据（因为feed_dict会导致性能不佳）。我尝试了两件事：

我尝试使用共享参数创建我的模型两次（用于训练和测试）。但我使用tf.contrib.layers.batch_norm并且不允许共享批量标准化的参数。
我尝试使用tf.FIFOQueue在is_training布尔占位符上调整网络的输入tf.cond，但显然tf.cond执行tf.FIFOQueue s出列功能，无论is_training持有什么。

我想知道在不使用feed_dict的情况下，在同一会话中训练和测试的常规设置是什么。

Answer 1

显然tf.contrib.layers.batch_norm 允许共享批量规范化参数（如果在全局tf.variable_scope中定义。

示例代码：取自here。

def model(data, is_training=False, reuse=None, scope='my_model'):
  # Define a variable scope to contain all the variables of your model
  with tf.variable_scope(scope, 'model', data, reuse=reuse):
    ....
    net = tf.contrib.layers.batch_norm(net, is_training)
   return net

train_outputs = model(train_data, is_training=True)
eval_outputs = model(eval_data, is_training=False, reuse=True)

TensorFlow：在同一会话中进行培训和测试

1 个答案: