如何在TensorFlow 2.0中控制详细程度

Question

在TensorFlow 1.x中，我在选择训练过程中如何以及何时打印准确性/损失得分方面有很大的自由度。例如，如果我想每隔100次打印一次训练损失，则可以在tf.Session()中写：

if epoch % 100 == 0:
    print(str(epoch) + '. Training Loss: ' + str(loss))

在TF 2.0（alpha）发行之后，Keras API似乎不得不坚持其标准输出。有办法恢复这种灵活性吗？

Answer 1

如果您不使用Keras Model方法（.fit，.train_on_batch，...），则使用急切的执行编写自己的训练循环（并可选地将其包装在{{1 }}以将其转换为图形表示形式），您可以像在1.x中一样控制冗长程度

tf.function