TensorFlow：在同一环节中进行培训和测试

我想在同一个TensorFlow会话中训练和测试我的模型。我使用两个不同的tf.FIFOQueue来使用多线程加载训练和测试数据（因为feed_dict导致性能较差）。我试了两件事：TensorFlow：在同一环节中进行培训和测试

我试着用共享参数两次创建我的模型（用于培训和测试）。但我使用的是tf.contrib.layers.batch_norm，它不允许共享批量标准化的参数。
我试图调节我的网络的输入tf.FIFOQueue使用tf.condis_training布尔占位符，但显然tf.cond执行两个tf.FIFOQueue小号出列功能，无论什么is_training成立。

我想知道传统设置在同一会话中如何训练和测试，而不使用feed_dict。

2017-04-12 Transcendental

显然tf.contrib.layers.batch_norm确实允许共享批处理标准化参数，如果在全局tf.variable_scope中定义的话。

举例：编码：来自here。

def model(data, is_training=False, reuse=None, scope='my_model'): 
    # Define a variable scope to contain all the variables of your model 
    with tf.variable_scope(scope, 'model', data, reuse=reuse): 
    .... 
    net = tf.contrib.layers.batch_norm(net, is_training) 
    return net 

train_outputs = model(train_data, is_training=True) 
eval_outputs = model(eval_data, is_training=False, reuse=True)

来源

2017-04-13 15:47:16 Transcendental

TensorFlow：在同一环节中进行培训和测试

回答

相关问题