Question

我是 tensorflow 的新手。

在下面的代码中，我试图实现以下功能 1.在运行时，即运行训练算法时，修改graph (ie y)的输出。 2.我想更新存储在张量y中的值，并在训练时使用这个新值。

我想知道是否有办法实现这一目标。

在这方面的任何帮助都将非常感激。

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import argparse
import sys

from tensorflow.examples.tutorials.mnist import input_data

import tensorflow as tf

parser = argparse.ArgumentParser()
parser.add_argument('--data_dir', type=str,                default='/tmp/tensorflow/mnist/input_data',
                  help='Directory for storing input data')
FLAGS, unparsed = parser.parse_known_args()

mnist = input_data.read_data_sets(FLAGS.data_dir, one_hot=True)
x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.matmul(x, W) + b

y_ = tf.placeholder(tf.float32, [None, 10])

cross_entropy = tf.reduce_mean(
  tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y))
train_step =   tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)


sess = tf.InteractiveSession()
tf.global_variables_initializer().run()

for _ in range(1000):
    batch_xs, batch_ys = mnist.train.next_batch(100)
    sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print(sess.run(accuracy, feed_dict={x: mnist.test.images,
                                  y_: mnist.test.labels}))

如何在运行时在tensorflow中手动更新值

0 个答案: