tensorflow何时更新for循环中的权重和偏差?
下面是来自tf的github的代码.mnist_softmax.py
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})
Run Code Online (Sandbox Code Playgroud)
sess.run()?如果是这样,在这个程序中,是否意味着更新权重和偏差1000倍?train_step.Tensorflow通过创建计算网络输出所需的计算图来工作.每个基本操作,如矩阵乘法,加法,你能想到的任何东西都是这个计算图中的节点.在您关注的tensorflow mnist示例中,40-46的行定义了网络体系结构
网络表示简单的线性回归模型,其中使用y = W*x + b(参见第43行)进行预测.
接下来,配置网络的培训过程.该代码使用交叉熵作为最小化的损失函数(见第57行).使用梯度下降算法完成最小化(参见第59行).
此时,您的网络已完全构建.现在,您需要运行这些节点,以便执行实际计算(直到此时才执行计算).
在sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})执行的循环中,tf计算其值train_step使GradientDescentOptimizer尝试最小化cross_entropy,这就是训练进展的方式.
| 归档时间: |
|
| 查看次数: |
3737 次 |
| 最近记录: |