更新每批的損失值以獲得平均時期損失

Question

我想創建一個類似於使用tf.metrics及其update_op值可以獲得的操作。 在tf中執行此命令時：

acc, update_op = tf.metrics.accuracy(tf.argmax(probs, 1), labels, name="accuracy")

在每個調用中都會更新update_op值。

所以我想對損失做同樣的事情。 我嘗試了以下代碼：update_loss = tf.Variable（0。，name =“ loss”）

loss = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits(logits=model.logits, labels=labels))
update_loss.assign(update_loss + loss)

但是我總是跑：

init_vars = [tf.local_variables_initializer(), 

tf.global_variables_initializer()]
with tf.Session() as sess:
    loss_val = sess.run(update_loss)

我的值為0。有什么想法嗎？

編輯：

我必須指出在執行過程中張量損失的值不為零

Answer 1

好的，我發現了一個可行的解決方案，可以解決這個問題，但並不能真正解決我的疑問……基於此帖子 （5.2 Tensorflow-批處理精度）

它包括創建一個使用最后獲得的損失值的函數，並通過feed_dict將其傳遞給函數，該函數使用累計值更新占位符：

session.run(tf_metric_update, feed_dict=feed_dict)