是否可以在n次迭代后使用平均损失而不是每次迭代来优化Tensorflow MLP？

Question

我网络的输入是NxN图像的n个连续像素（其中n与N相比较小），输出为1像素。 损失定义为输出和期望输出之间的平方差。

我想在迭代整个图像后使用优化器来计算平均损失。

但是如果我尝试收集列表中的损失并在完成所有迭代后平均这些损失，将其提供给我的优化器会导致错误，因为Tensorflow不知道这个丢失来自哪里，因为它不在计算图。

Answer 1

显然，输入一个数组[x，n]（其中x是输入的数量，否则我必须在每次迭代中输入seperatley，n是连续像素的数量）到我的网络，然后优化计算的损失对于这个输入，正是我所寻找的。