0
我将两个参数传递给张量流中的一个我的(损失)函数,我认为这个函数应该是占位符的形式,因为它们因不同的步骤而改变。我在训练期间喂他们。 我的程序大纲如下。 我的问题是他们采取我有效地喂养他们的价值? 如果你能看看下面的代码片段,并告诉我我做得对,我将不胜感激。 我没有得到任何错误或顺便说一句。将张量流占位符作为函数参数传递
tetha1_placeholder, tetha2_placeholder = tf.placeholder(tf.float32, name='tetha1plh'), tf.placeholder(tf.float32, name='tetha2plh')
hyperparams = {'tetha1': tetha1_placeholder,'tetha2':tetha2_placeholder}
[getting embeddings1,embeddings2, embeddings3 from my model]
loss = loss_function (embeddings1,embeddings1,embeddings3, hyperparams)
with sess.as_default():
while true:
step = sess.run(global_step, feed_dict=None)
t1, t2 = calculate_params(step)
feed_dict = {tetha1_placeholder:t1, tetha2_placeholder:t2}
error=sess.run([loss], feed_dict=feed_dict)
def loss_function (embeddings1,embeddings2,embeddings3, hyperparams):
pos_dist =hyperparams['tetha1'] * tf.reduce_sum(tf.square(tf.subtract(embeddings1, embeddings2)), 1)
neg_dist = hyperparams['tetha2'] *tf.reduce_sum(tf.square(tf.subtract(embeddings1, embeddings3)), 1)
loss = tf.reduce_mean(tf.add(pos_dist,neg_dist))
return loss
谢谢@mrry 我没有得到最后一部分。 t1和t2只是两个标量浮点数。你的意思是,如果我明确指定tetha1_placeholder的形状为shape =(1),会更好吗? – Hamid
哦,如果它们都是标量,你可以将它们定义为'tetha1_placeholder = tf.placeholder(tf.float32,shape = [],name'tetha1plh')'(对于其他占位符类似)。这可以给你稍微更好的性能和错误消息,具体取决于确切的计算。 – mrry