10
00
不仅要运行training_step，还要运行cross_entropy节点，以便将其值返回给您。请记住：
var_as_a_python_value = sess.run(tensorflow_variable)
会给你想要的东西，所以你可以这样做：
[_, cross_entropy_py] = sess.run([train_step, cross_entropy],
feed_dict={x: batch_xs, y_: batch_ys})
既可以进行训练，又可以提取出交叉熵在迭代过程中计算出的值。请注意，我同时将sess.run的参数和返回值都转换为列表，以便两者都发生。
收藏
Carl Agnes• 709
评论 0
您可以通过将cross_entropy的值添加到sess.run(...)的参数列表中来获取该值。例如，您的for -loop可以重写如下：
for i in range(100):
batch_xs, batch_ys = mnist.train.next_batch(100)
cross_entropy = -tf.reduce_sum(y_ * tf.log(y))
_, loss_val = sess.run([train_step, cross_entropy],
feed_dict={x: batch_xs, y_: batch_ys})
print 'loss = ' + loss_val
可以使用相同的方法来打印变量的当前值。假设除了cross_entropy的值cross_entropy ，您还想打印tf.Variable的值。 tf.Variable W可以执行以下操作：
for i in range(100):
batch_xs, batch_ys = mnist.train.next_batch(100)
cross_entropy = -tf.reduce_sum(y_ * tf.log(y))
_, loss_val, W_val = sess.run([train_step, cross_entropy, W],
feed_dict={x: batch_xs, y_: batch_ys})
print 'loss = %s' % loss_val
print 'W = %s' % W_val
殷采春• 706
评论 
关于我们
常见问题
内容许可
联系我们
0
我正在看TensorFlow“ MNIST对于ML初学者 ”教程，我想在每个训练步骤之后打印出训练损失。
我的训练循环目前看起来像这样：
现在，
train_step定义为：其中
cross_entropy是我要打印的损失：一种打印方法是在训练循环中显式计算
cross_entropy：我现在有两个问题：
假设
cross_entropy已在sess.run(train_step, ...)期间计算出，sess.run(train_step, ...)其计算两次效率低下，这需要所有训练数据的前向通过次数的两倍。是否有访问的价值的方式cross_entropy时期间计算sess.run(train_step, ...)我如何打印
tf.Variable？使用str(cross_entropy)给我一个错误...谢谢！