0
我定義使用爲什麼我的fed TensorFlow佔位符值被替換爲計算值?
keep_prob_val = tf.sub(1.0, tf.train.exponential_decay(1 - FLAGS.keep_prob, global_step, FLAGS.decay_steps, FLAGS.dropout_decay_rate, staircase=False))
keep_prob_summary = tf.scalar_summary('params/keep_prob', keep_prob_val)
一些計算值和相關總結並設置一些合併彙總與
train_writer = tf.train.SummaryWriter(FLAGS.train_dir.format(log_id), tf.get_default_graph())
test_writer = tf.train.SummaryWriter(test_dir)
merged = tf.merge_all_summaries()
但是,當我後來
sess.run(train_step, feed_dict={x: xs, y_: ys,
keep_prob: sess.run(keep_prob_val)})
# ...
test_writer.add_summary(sess.run(merged, feed_dict={ ..., keep_prob: some_val}),
global_step=gs)
其中keep_prob
先前已定義爲
keep_prob = tf.placeholder(tf.float32, name='keep_prob')
我得到的摘要信息是計算的keep_prob_val
而不是我所喂的some_val
。即使 - 如預期的那樣 - 如果我省略明確餵食keep_prob
,我會收到錯誤。
就我所知,這隻發生在涉及keep_prob的摘要中。當我舉個例子
sess.run(accuracy, feed_dict={ ..., keep_prob: some_val})
我似乎得到一個accuracy
使用some_val
計算,與此相對應的相關總結。
爲什麼我的彙總值中忽略了keep_prob
的值?
哇,真是一個愚蠢的錯誤! (有沒有一個習慣用法或風格的指南來命名'tf.Tensor' vs'tf.Placeholder' vs普通的python變量,這是我第二次被類似的東西所捕獲,並且明確地標記爲一個或另一個會很有幫助,但我不想隨機編寫一些東西。) – orome