slim.learning.train 的两个训练操作（TensorFlow、TF-Slim）

【问题标题】：Two training ops for slim.learning.train (TensorFlow, TF-Slim)slim.learning.train 的两个训练操作（TensorFlow、TF-Slim）
【发布时间】：2017-01-22 13:18:31
【问题描述】：

某些架构需要两个或更多训练操作（例如，在 GAN 中，您需要训练生成器和判别器）。如何使用 TF-Slim 训练功能实现这一目标？据我所知 slim.learning.train 只需要一次训练操作。

【问题讨论】：

标签： tensorflow tf-slim

【解决方案1】：

您可以汇总 slim.learning.create_train_op 创建的训练操作。 train_op 只是一个张量，它会在评估时更新参数并返回损失。如果您添加两个训练操作，则两者都将被评估（并行）。

【讨论】：

【解决方案2】：

你可以覆盖train_step_fn，这是运行slim.learning.train()时的主体函数。

例如，假设你有train_op1和train_op2，设置train_ops = [train_op1, train_op2]，那么你可以尝试如下：

def train_step_fn(session, train_ops, global_step, train_step_kwargs):
  session.run(train_ops[0], ...)
  session.run(train_ops[1], ...)
  ...

slim.learning.train(train_step_fn=train_step_fn, ...)

【讨论】：