Python 3.x 在训练预训练tensorflow模型的变量时调试优化运行
我加载一个预先训练好的模型，然后根据我的自定义损失只提取我想要优化（基本上是改变或微调）的可训练变量。问题是，当我向它传递一小批数据时，它只是挂起，没有任何进展。我使用Tensorboard进行可视化，但不知道在没有可用日志信息时如何调试。我在它周围放了一些基本的打印语句，但没有得到任何有用的信息 这是一段按顺序排列的代码Python 3.x 在训练预训练tensorflow模型的变量时调试优化运行,python-3.x,debugging,tensorflow,jupyter-notebook,pre-trained-model,Python 3.x,Debugging,Tensorflow,Jupyter Notebook,Pre Trained Model,我加载一个预先训练好的模型，然后根据我的自定义损失只提取我想要优化（基本上是改变或微调）的可训练变量。问题是，当我向它传递一小批数据时，它只是挂起，没有任何进展。我使用Tensorboard进行可视化，但不知道在没有可用日志信息时如何调试。我在它周围放了一些基本的打印语句，但没有得到任何有用的信息 这是一段按顺序排列的代码 # Load and build the model model = skip_thoughts_model.SkipThoughtsModel(model_config,
# Load and build the model
model = skip_thoughts_model.SkipThoughtsModel(model_config, mode="train")
with tf.variable_scope("SkipThoughts"):
model.build()
theta = [v for v in tf.get_collection(tf.GraphKeys.MODEL_VARIABLES, scope='SkipThoughts') if "SkipThoughts" in v.name]
# F Representation using Skip-Thoughts model
opt_F = tf.train.AdamOptimizer(learning_rate).minimize(model.total_loss, var_list=[theta])
# Training
sess.run([opt_F], feed_dict = {idx: idxTensor})
tf.train.AdamOptimizer(learning_rate).minimize(model.total_loss, var_list=[theta])
gvs = tf.train.AdamOptimizer(learning_rate).compute_gradients(model.total_loss, var_list=theta)
opt_F = opt.apply_gradients(gvs)
...
g = sess.run(gvs, feed_dict = {idx: idxTensor})