参考文献这个帖子 https://stackoverflow.com/questions/40340807/how-can-i-build-a-tf-graph-for-both-training-and-inference-with-tf-train-shuffle之前问过，因为建议是创建一个具有单独的推理和训练部分的图表。
样板代码将不胜感激。
存储库中的 MNIST 卷积就是一个例子——张量流/张量流/模型/图像/mnist/卷积.py https://github.com/tensorflow/tensorflow/blob/8e48ec6ea0492e2cb9fd19c0a2ccf41afc7b4dc6/tensorflow/models/image/mnist/convolutional.py
当您将模型构造代码分解为函数时，它遵循一种模式（model in convolutional.py），并分别为评估和训练部分调用它
logits = model(train_data_node, True)
loss = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits(
logits, train_labels_node))
eval_prediction = tf.nn.softmax(model(eval_data))
对于训练你输入train_data_node并最小化loss，对于 eval，您输入eval_data节点并得到结果eval_prediction
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
