Question

我想创建一个类似于使用tf.metrics及其update_op值可以获得的操作。在tf中执行此操作时：

acc, update_op = tf.metrics.accuracy(tf.argmax(probs, 1), labels, name="accuracy")

update_op 值在每次调用中都会更新。

所以我想对损失做同样的事情。我尝试了以下代码： update_loss = tf.Variable（0。，name =“ loss”）

loss = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits(logits=model.logits, labels=labels))
update_loss.assign(update_loss + loss)

但是我总是跑：

init_vars = [tf.local_variables_initializer(), 

tf.global_variables_initializer()]
with tf.Session() as sess:
    loss_val = sess.run(update_loss)

我得到的值为0。知道吗？

编辑：

我必须指出，在执行过程中张量 loss 的值不为零

Answer 1

好吧，我发现了一个可行的解决方案，该解决方案可以工作，但并不能真正解决我的疑问……基于this post（5.2 Tensorflow-批处理精度）

它包括创建一个使用最后获得的损失值的函数，并通过feed_dict将其传递给函数，该函数使用累计值更新占位符：

session.run(tf_metric_update, feed_dict=feed_dict)