如何在不更新TensorFlow中的参数的情况下运行会话

Question

我知道如何使用张量板获取图形，但是，我很好奇我是否可以在训练过程中删除" train_op"。另外，我想知道是否可以通过删除" train_op"来获取其他数据集的任何值。

。

loss = tf.reduce_mean(tf.square(y_ - y), name='square_mean')
train_op = tf.train.GradientDescentOptimizer(learning_rate).minimize(loss)
# this is for training, and I put train_op inside.
for _ in xrange(step):
    _, loss_value = sess.run([train_op, loss], feed_dict={x: batch_x, y_:np.transpose([batch_y])})
    # just feed the data and get one loss value in some epochs
    loss_test = sess.run(loss, feed_dict={x: testing_batch, y_: np.transpose([label_t_batch])})

Answer 1

删除 train_op是完全很好的，因为它像其他所有节点一样(或多或少(。将其排除在外将不会运行 - 这意味着梯度下降不会发生。

至于您的第二个问题，只要您谈论的其他数据集的数据格式适合图形的输入格式，就不应该有任何问题。