Tensorflow中变量值的变化及成本函数的评估

Question

我需要能够绘制成本函数值作为某个参数的函数(例如，下面的偏差b )。如果我的图形类似于(伪码)

y = g(W x + b),
cost = sum(y ** 2),

如果W和b是tf.Variables，我想将b从0更改为1，并绘制cost的值。

请注意，在b 的每次更改之后，我不想调用或sesssion.run，因为开销！，例如，100个地块点，这将花费很长的时间。

• 我知道tf.assign的存在，但是做一些像分配，成本，分配，成本，.对此进行评估似乎不管用
• 我想我可以在每次更新后更新图中b的值和调用成本，但是我并不想真正地更改这个图

那么，我如何能以有效的方式做到这一点呢？提前谢谢你！

编辑:实际上，如果没有在迭代之间调用eval/run，这可能是不可能的.哦好吧..。

Answer 1

在张量流中，如果使用变量，则只能在初始化后才能计算它们。因此，您可能无法在没有会话的情况下对它们进行评估。但是，您可以更改参数，如下所示

import tensorflow as tf 
my_var = tf.Variable(10)
with tf.Session() as sess:
    sess.run(my_var.initializer)
    print(sess.run(my_var.assign_sub(2)))   #>> 8
    print(sess.run(my_var.assign_sub(2)))   #>> 6

Answer 2

这听起来像是在每个步骤中为提供不同值的用例。假设b是一个标量变量，您可以使用如下代码编写循环代码：

import numpy as np

sess = tf.Session()

# Vary `b_val` from 0 to 1 in 100 steps.
for b_val in np.linspace(0, 1, 100):

  # Evaluate `cost` using `b = b_val`.
  cost_val = sess.run(cost, feed_dict={b: b_val})

  # Do something with `cost_val`....