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、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]）-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

确保genRandMat函数在每次迭代后都会生成一个新的随机矩阵。请记住，如果它使用numpy或其他API而不是Tensorflow，那么它可能不会达到您期望的效果。如果您确实在使用其他API来实现此目的，请尝试查看tf.Variable.load（）\

< L> > P>运行顺序，您可能会考虑查看TysFROW的急切执行模式，虽然我自己的经验有限，但我不能推荐它。p>

---

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

确保genRandMat函数在每次迭代后都会生成一个新的随机矩阵。请记住，如果它使用numpy或其他API而不是Tensorflow，那么它可能不会达到您期望的效果。如果您确实在使用其他API来实现此目的，请尝试查看tf.Variable.load（）\

< L> > P>运行顺序，您可能会考虑查看TysFROW的急切执行模式，虽然我自己的经验有限，但我不能推荐它。p>

---

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