Question

我定义了一个占位符z_，它存储了形状为（100，）的一维数组。为了打印占位符z_的值，我必须将其存储在另一个变量z1中。在训练循环中，我使用的是微型批处理方法，每次选择30个批处理大小。但是，当我在训练循环中打印z1时，它将打印具有形状（100，）的所有值。为什么它不像batch_size那样选择前30个值？

`y_ = tf.placeholder(tf.float32, [None, 2])
z_ =tf.placeholder(tf.float32, [None])
z1 = z_
#training loop
for i in range(FLAGS.training_step):
    batch = data_sets.train.next_batch(FLAGS.batch_size)
    optimizer.run(feed_dict = {x: batch[0], y_: batch[1]})
    train_accuracy = accuracy.eval(feed_dict= {x: batch[0], y_: batch[1]})
    h_set= z1.eval()
    print(h_set)
    print(h_set.shape)`

Answer 1

您可以使用张量板获取迭代期间占位符获得的不同值。为此，请考虑使用tf.summary.scalar，然后给它加上一个有意义的标签，例如“损失”或“学习率”。

有关如何使用tf.summary.scalar

的更多信息

如何在张量流代码的每个批次之后打印占位符值

1 个答案: