Tensorflow如何让培训步长值

Question

假定损失和题库象下面这样：

cross_entropy = tf.mul(diff, diff) 
train = tf.train.GradientDescentOptimizer(0.1).minimize(cross_entropy) 

我想获得在训练阶段的重量和偏见，如：

for i in range(1000): 
    sess.run(train) 
     if cross_entropy == (specific value like 0.1, 0.05): 
      print(weight) 
      print(bias) 

有任何方式在Tensorflow中实现它？

Answer 1

是。最简单的方法是评估所有OPS在一个run并在蟒蛇的结果进行操作（我假设weight和bias是OPS，如果没有，你需要从你的图层提取它们）：

for i in range(1000): 
    _, w_val, b_val, ce_val = sess.run([train, weight, bias, cross_entropy]) 
     if ce_val == 0.005: 
      print(w_val) 
      print(b_val)