0
def trainx(x):
train = tf.train.GradientDescentOptimizer(x).minimize(error)
return train
with tf.Session() as sess:
for i in [0.01,0.02,0.03, 0.04]: #
merge = tf.summary.merge_all()
tf.global_variables_initializer().run()
writter = tf.summary.FileWriter('4004/'+str(i), sess.graph)
for i1 in range(100):
error_sum = sess.run(merge, {x:inp, y:out})
writter.add_summary(error_sum, i1)
sess.run(trainx(i), {x:inp, y:out})
只是通過你的代碼的一部分，使事情更簡單。 請看圖片波紋管：是在tensorflow中爲每次迭代/運行生成的新權重？
如果你看到紅線約0.370和藍色開始於大約0.310。這是否意味着，張量流中的所有運行的初始重量都不相同？因爲如果是這樣的話，考慮到梯度下降在錯誤/損失函數之後應用，所有線將從同一點開始。我認爲每次迭代都會產生新的權重，這不是我正在尋找的。我怎麼能解決這個問題？將不勝感激。
不同的線代表什麼？ – Engineero
@Engineero哦，它是一層網絡的丟失/錯誤功能......沒什麼特別的。 –
循環內的'trainx（i）'將在每次迭代中創建一個新的'tf.train.GradientDescentOptimizer'（帶*線性增加學習速率*）。這不可能達到預期的結果。相反，創建一個優化器並在循環外部調用'minim（）'，並在循環內重用該訓練操作。 – mrry