machine-learning - 更改 Tensorflow 中的变量值并评估成本函数

Question

我需要能够绘制例如成本函数值作为某些参数的函数(例如下面的偏差 b)。如果例如我的图表类似于(伪代码)

y = g(W x + b),
cost = sum(y ** 2),

其中 W 和 b 是 tf.Variables，我想更改 b，比如说从 0 到 1 并绘制 cost 的值。

请注意，由于开销，我不想在每次更改 b 后调用 eval 或 session.run! 100 个情节需要很长时间。

• 我知道 tf.assign 的存在，但执行诸如 [分配、成本、分配、成本...] 之类的操作并进行评估似乎不起作用
• 我想我可以在每次更新后更新图表内的 b 值和调用成本，但我真的不想更改图表

那么我怎样才能有效地做到这一点呢？预先感谢您!

编辑:实际上，如果不在迭代之间调用 eval/run ，这可能是不可能完成的......哦，好吧......

Answer 1

在 tensorflow 中，如果您使用变量，则只能在初始化后评估它们。因此，如果没有 session ，您可能无法评估它们。 但您可以像下面这样更改参数

import tensorflow as tf 
my_var = tf.Variable(10)
with tf.Session() as sess:
    sess.run(my_var.initializer)
    print(sess.run(my_var.assign_sub(2)))   #>> 8
    print(sess.run(my_var.assign_sub(2)))   #>> 6