Tensorflow: динамически добавлять значения к тензору

#python #tensorflow #deep-learning

#python #тензорный поток #глубокое обучение

Вопрос:

Я работал с CNN в Tensorflow и хочу отслеживать значение потерь на каждой итерации обучения. Как я могу объединить значения с тензором во время выполнения со значением потерь, выводимым на каждой итерации? Вот смоделированная версия кода python — это выдает ошибку

 # mocked up example to mimick 4 iterations
sample=[1,2,3,4]
# this is a dummy function to return loss values
def check(x):
 return x*2
# the code below iteratively feeds loss values to concatenate in the loss_list tensor
def tf_check():
    with tf.device(device):
        loss = tf.placeholder(tf.float32)
        loss_np = check(loss)
        loss_list = tf.placeholder(tf.float32,shape=[])
        
    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        for t in sample:
            feed_dict = {loss:t}
            y1=sess.run(loss_np,feed_dict)
            loss_list=sess.run(tf.stack([loss_list,y1],axis=0))
tf_check()
 

Комментарии:

1. Tensorflow 2.4 обеспечивает tf.experimental.numpy.append динамическое добавление значений. Для получения более подробной информации о библиотеке, пожалуйста, обратитесь сюда . Спасибо