Tensorflow 代码在每次迭代后都会变慢,并且不会给出预期的输出
我需要为3个相同的神经网络执行以下任务(结构相同,参数不同)-A、B、CTensorflow 代码在每次迭代后都会变慢,并且不会给出预期的输出,tensorflow,Tensorflow,我需要为3个相同的神经网络执行以下任务(结构相同,参数不同)-A、B、C 作为a和B的函数更新C的权重 C列 基于新的(C的训练权重)更新A、B的权重 更新掩蔽数组的值 我对Tensorflow非常陌生,不知道如何按顺序执行这些操作。这是我想出的代码 #步骤3 ass=(W1a.赋值((W1c*trans_arr1)+(W1a*(tf.ones([784,L]-trans_arr1е)')) #第一步 a1=W1c.赋值((W1a*trans_arr1)+(W1b*(tf.ones([784,L
#步骤3
ass=(W1a.赋值((W1c*trans_arr1)+(W1a*(tf.ones([784,L]-trans_arr1е)'))
#第一步
a1=W1c.赋值((W1a*trans_arr1)+(W1b*(tf.ones([784,L])-trans_arr1)))
#步骤4
trans_arr1=genRandMat(784,L,ptrans)
#环路
对于范围((400)+1)内的i:
#C列
训练步骤(i,i%100==0,i%20==0)
#基于C的新权重更新A、B的权重
sess.run([ass])
#更新掩蔽阵列
sess.run([trans_arr1])
#基于A,B更新C
sess.run([a1])
注-trans_arr是具有1和0的掩蔽矩阵,1在每个位置存在概率ptrans
这没有给出预期的结果,表明操作没有按照我希望的顺序运行。我怎样才能达到预期的结果?欢迎您提出任何建议。由于您尚未共享所有代码,因此很难准确地思考可能出现的问题,但以下是一些您可能需要检查的问题
希望这能有所帮助。因为您还没有共享所有代码,所以很难想象到底出了什么问题,但这里有一些您可能需要检查的内容
希望这能有所帮助。哦,这也是一个快速的提示-避免此类“代码墙”问题通常是个好主意。既然你是新来这里的,你可能还想读这篇关于哦,也是一个快速PS的文章-这通常是一个好主意,以避免这种“代码墙”的问题。既然你是新来的,你可能还想读这篇文章