python - 每批更新损失值以获得平均历元损失

Question

我想创建一个类似于您可以使用 tf.metrics 及其 update_op 值获得的操作。当您在 tf 中执行此操作时：

acc, update_op = tf.metrics.accuracy(tf.argmax(probs, 1), labels, name="accuracy")

update_op值在每次调用中更新。

所以我想对损失做同样的事情。我尝试了以下代码： update_loss = tf.Variable(0., name="loss")

loss = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits(logits=model.logits, labels=labels))
update_loss.assign(update_loss + loss)

但我总是跑：

init_vars = [tf.local_variables_initializer(), 

tf.global_variables_initializer()]
with tf.Session() as sess:
    loss_val = sess.run(update_loss)

我得到的值为 0。知道吗？

编辑：

我必须指出执行过程中张量损失的值不为零

标签： pythontensorflow

Answer 1

好的，我发现了一个可行的解决方案，但它并没有真正解决我的疑问......基于这篇文章（5.2 Tensorflow - Batch accuracy）

它包括创建一个函数，该函数使用最后获得的损失值，并通过 feed_dict 将其传递给一个函数，该函数使用累积值更新占位符：

session.run(tf_metric_update, feed_dict=feed_dict)