tensorflow批量标准化给出了'；当is_训练标志为False时，不能按预期工作
我有一个模型，在这个模型中，除了最后一层，我在每个卷积层之后执行批处理规范化。我使用函数tensorflow.contrib.layers.batch_norm来实现这一点。当我将is__training标志设置为True时，报告的损失值似乎是正确的。在我的例子中，它从60秒开始，几乎降到0。当我将is_training标志设置为flase时，我得到的损失值为1e10，这似乎很荒谬 我已经附加了我在代码中使用的代码片段tensorflow批量标准化给出了'；当is_训练标志为False时，不能按预期工作,tensorflow,deep-learning,batch-normalization,Tensorflow,Deep Learning,Batch Normalization,我有一个模型，在这个模型中，除了最后一层，我在每个卷积层之后执行批处理规范化。我使用函数tensorflow.contrib.layers.batch_norm来实现这一点。当我将is__training标志设置为True时，报告的损失值似乎是正确的。在我的例子中，它从60秒开始，几乎降到0。当我将is_training标志设置为flase时，我得到的损失值为1e10，这似乎很荒谬 我已经附加了我在代码中使用的代码片段 loss=loss_func_l2(logits,y) update_ops
loss=loss_func_l2(logits,y)
update_ops=tf.get_collection(tf.GraphKeys.UPDATE_OPS)
with tf.control_dependencies(update_ops):
optimizer=tf.train.AdamOptimizer(learning_rate=lr)
Trainables=optimizer.minimize(loss)
#Training
sess=tf.Session()
training(train_output,train_input,sess) # is_training is true here
#validation
validate(test_output,train_input,sess) # is_training is false here