滑动平均模型

滑动平均模型:在一定程度下提高最终模型在测试数据上的表现。
函数实现:tf.train.ExponentialMovingAverage()
例子:

import tensorflow as tf

#step1:定义一个变量用于计算滑动平均;初始值=0;数据类型:float32
v1=tf.Variable(0,dtype=tf.float32)

#step2:定义一个变量用于模拟神经网络中迭代次数;可用于动态控制衰减率
step=tf.Variable(0,trainable=False)

#step3:定义一个滑动平均的类(class);初始化时,decay(衰减率)=0.99;
ema=tf.train.ExponentialMovingAverage(0.99,step)

#step4:定义一个更新变量滑动平均的操作;
#需要给定一个列表;每次执行这个操作时这个列表中的变量都会被更新
#apply()函数:可以理解为一个数据传递函数;将v1中的值传递给ema。
maintain_averages_op=ema.apply([v1])

#step5:创建会话
with tf.Session() as sess:
    init=tf.global_variables_initializer()
    sess.run(init)
    #通过ema.average(v1)获取滑动平均之后变量的取值
    #在初始化之后变量v1的值和v1的滑动平均都为0
    print(sess.run([v1,ema.average(v1)]))

    #更新变量v1的值到5
    sess.run(tf.assign(v1,5))
    #更新v1的滑动平均值
    sess.run(maintain_averages_op)
    print(sess.run([v1,ema.average(v1)]))

    #更新step的值为10000
    sess.run(tf.assign(step,10000))
    #更新v1的值为10
    sess.run(tf.assign(v1,10))

    sess.run(maintain_averages_op)
    print(sess.run([v1,ema.average(v1)]))
    sess.run(maintain_averages_op)
    print(sess.run([v1,ema.average(v1)]))

结果:
[0.0, 0.0]
[5.0, 4.5]
[10.0, 4.5549998]
[10.0, 4.6094499]

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值