Python 是否有可能在n次迭代后，而不是每次迭代后，用平均损耗优化Tensorflow MLP？

我的网络的输入是NxN图像的n个连续像素（其中n比n小），输出是1个像素。
损耗定义为输出和期望输出之间的平方差

我想在迭代整个图像后使用优化器来计算平均损失

---

但是，如果我试图在一个列表中收集损失，并在所有迭代完成后平均这些损失，将其提供给我的优化器，会导致一个错误，因为Tensorflow不知道该损失来自何处，因为它不在计算图上

显然，将一个数组[x，n]（其中x是输入的数量，否则我必须在每次迭代中将separatley输入，n是连续像素的数量）输入到我的网络，然后优化为此输入计算的损失，这正是我想要的。

显然，将一个数组[x，n]输入（其中x是输入的数量，否则我必须在每次迭代中输入Separatley，n是连续像素的数量）到我的网络，然后优化为该输入计算的损失，这正是我想要的