Question

我在这里遵循代码https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/multilayer_perceptron.py来构建一个多层感知器来解决MNIST问题。

在以下代码中，

with tf.Session() as sess:
    sess.run(init)

    # Training cycle
    for epoch in range(training_epochs):
        avg_cost = 0.
        total_batch = int(mnist.train.num_examples/batch_size)
        # Loop over all batches
        for i in range(total_batch):
            batch_x, batch_y = mnist.train.next_batch(batch_size)
            # Run optimization op (backprop) and cost op (to get loss value)
            _, c = sess.run([train_op, loss_op], feed_dict={X: batch_x,
                                                            Y: batch_y})
            # Compute average loss
            avg_cost += c / total_batch
        # Display logs per epoch step
        if epoch % display_step == 0:
            print("Epoch:", '%04d' % (epoch+1), "cost={:.9f}".format(avg_cost))
    print("Optimization Finished!")

我想记录每次迭代的准确性，仍然使用sess.run;我怎么能这样做？

Answer 1

您是否有测量训练准确度的代码？你也需要运行那个块。将它粘贴在Loop over all batches块的底部，以便它在每次迭代时运行。

如果您想要损失而不是准确度，那么只需在该位置打印avg_cost即可。如果您希望为每个纪元打印丢失，而不是每次迭代，则删除模数条件if epoch % display_step == 0:并在此之后取消缩进print。

其中一个是否符合您的需求？

如何在Tensorflow中的sess.run期间记录每次迭代的准确性？

1 个答案: