引用 this post之前问过,因为建议创建一个具有独立推理和训练部分的图。
样板代码将不胜感激。
最佳答案
存储库中的 MNIST 卷积就是一个例子——tensorflow/tensorflow/models/image/mnist/convolutional.py
当您将模型构建代码分解为函数( model
in convolutional.py
)时,它遵循一种模式,并为 eval 和 training 部分分别调用它
logits = model(train_data_node, True)
loss = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits(
logits, train_labels_node))
eval_prediction = tf.nn.softmax(model(eval_data))
对于培训,您可以输入
train_data_node
并最小化 loss
,对于 eval,你输入 eval_data
节点并在 eval_prediction
处获得结果
关于tensorflow - 如何构建具有独立推理和训练部分的 TF Graph?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40352841/