tensorflow session.run() 的参数 - 你传递操作了吗？

Question

我正在关注tensorflow 的本教程：

我试图理解tf.session.run(). 我知道您必须在会话中的图形中运行操作。

是train_step的，因为它封装了这个特殊的例子在网络的所有操作通过呢？我试图理解为什么我不需要将任何其他变量传递给会话，例如cross_entropy.

sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

这是完整的代码：

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

import tensorflow as tf

x = tf.placeholder(tf.float32, [None, 784])

W = tf.Variable(tf.zeros([784, 10]))

b = tf.Variable(tf.zeros([10]))

y = tf.nn.softmax(tf.matmul(x, W) + b)

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

cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))

train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)

sess = tf.InteractiveSession()

tf.global_variables_initializer().run()

for _ in range(10):
    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}))

Answer 1

在 TensorFlow Session 中tf.Session，您希望运行（或执行）优化器操作（在本例中为train_step）。优化器最小化您的损失函数（在本例中为cross_entropy），该函数使用模型假设 进行评估或计算y。

在级联方法中，cross_entropy损失函数最小化了计算时的误差y，因此它找到了W与x精确近似的权重的最佳值y。

因此，tf.Session在sess我们运行优化器时使用 TensorFlow Session 对象train_step，然后它会评估整个计算图。

sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

因为级联方法最终会调用cross_entropywhich 使用占位符xand y，所以您必须使用feed_dict将数据传递给这些占位符。