Tensorflow如何讓培訓步長值

Question

假定損失和題庫象下面這樣：

cross_entropy = tf.mul(diff, diff) 
train = tf.train.GradientDescentOptimizer(0.1).minimize(cross_entropy) 

我想獲得在訓練階段的重量和偏見，如：

for i in range(1000): 
    sess.run(train) 
     if cross_entropy == (specific value like 0.1, 0.05): 
      print(weight) 
      print(bias) 

有任何方式在Tensorflow中實現它？

Answer 1

是。最簡單的方法是評估所有OPS在一個run並在蟒蛇的結果進行操作（我假設weight和bias是OPS，如果沒有，你需要從你的圖層提取它們）：

for i in range(1000): 
    _, w_val, b_val, ce_val = sess.run([train, weight, bias, cross_entropy]) 
     if ce_val == 0.005: 
      print(w_val) 
      print(b_val)