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。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?,python,tensorflow,neural-network,perceptron,multi-layer,Python,Tensorflow,Neural Network,Perceptron,Multi Layer,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
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