Python 是否可以运行“a”;将tf.Session作为sess:“;运行fit\u generator时的内部培训\u数据\u generator?
我正在tensorboard中使用tf.Session,因此无法启用渴望模式 我需要使用Python 是否可以运行“a”;将tf.Session作为sess:“;运行fit\u generator时的内部培训\u数据\u generator?,python,tensorflow,keras,Python,Tensorflow,Keras,我正在tensorboard中使用tf.Session,因此无法启用渴望模式 我需要使用tf.image.extract\u image\u patches在大图像中提取图像块。因此,在我的自定义培训生成器中,我添加了如下内容: While True: num_patches = tf.image.extract_image_patches(input_big_pic, ksizes, strides, rates, patch_padding) With tf.Sessio
tf.image.extract\u image\u patches
在大图像中提取图像块。因此,在我的自定义培训生成器中,我添加了如下内容:
While True:
num_patches = tf.image.extract_image_patches(input_big_pic, ksizes, strides, rates, patch_padding)
With tf.Session as sess:
inputs_after_tensor1 = sess.run(num_patches )
.....some modifies for this ndarray "inputs_after_tensor1".......
yield ({'input1': np.array(result_inputs_after_tensor1)})
我的损失函数正在减少,但tensorflow上的输出图像没有改变,所以我想知道我的训练数据生成器中的
tf.Session
是否会影响fit\u生成器
?我试过,我认为可以在内部运行tf.Session,但会减慢训练过程。我试过,我认为可以运行tf.Session但这会减慢训练过程