tensorflow中的sess.run()方法详解

最新推荐文章于 2024-01-14 11:26:46 发布

FIXLS

最新推荐文章于 2024-01-14 11:26:46 发布

阅读量3.4w

点赞数 1

分类专栏： tensorflow

本文链接：https://blog.csdn.net/baidu_15113429/article/details/86530218

版权

本文详细解析了TensorFlow中sess.run()方法的使用，包括如何通过feed_dict将值输入到计算图中，以及在LSTM和CNN模型训练与预测过程中的应用。在训练时，整个计算图被计算，而在预测时则不计算损失值。通过将参数设为变量，可以实现模型的循环训练。

摘要由CSDN通过智能技术生成

run()方法详解链接

feed_dict={y:3}

把3赋值给y，当次计算有效。

在lstm和cnn进行train和predict

def run_step(self, sess, is_train, batch):
        """
        :param sess: session to run the batch
        :param is_train: a flag indicate if it is a train batch
        :param batch: a dict containing batch data
        :return: batch result, loss of the batch or logits
        """
        feed_dict = self.create_feed_dict(is_train, batch)
        if is_train:
            global_step, loss, _ = sess.run(
                [self.global_step, self.loss, self.train_op],
                feed_dict)
            return global_step, loss
        else:
            lengths, logits = sess.run([self.lengths, self.logits], feed_dict)
            return lengths, logits

训练的时候图全部计算而预测的时候图不用计算损失值