如何避免在 TensorFlow 中添加重复的集合？

Question

Tensorflow 初学者在这里。

我有一段代码（一起）对一组图像进行训练和验证。每隔一段时间，在训练循环中，我执行验证并从验证数据集中获取损失。我总结了结果并使用 tensorboard 来查看我的可视化。

我的问题是，我计算了我的损失两次，我不应该这样做。我的代码会清楚地说明发生了什么

获取一些已经分成训练集和验证集的图像，同时构建神经网络：

        images, labels = (
            self._input_pipeline(filenames, self.model_config.BATCH_SIZE))
        v_images, v_labels = (
            self._input_pipeline(v_filenames, self.model_config.BATCH_SIZE))
        logits = self.build_nets(images)
        tf.get_variable_scope().reuse_variables()
        v_logits = self.build_nets(v_images)

设置损失函数：

        _ = self.set_loss(logits, labels)
        validation_step = self.set_loss(v_logits, v_labels)

这就是 set_loss 的样子：

def set_loss(self, y, y_):
    cross_entropy_sum = (
                tf.reduce_sum(tf.nn.sigmoid_cross_entropy_with_logits(logits=y, labels=y_)))
    tf.add_to_collection('cross_entropy_loss', cross_entropy_sum)
    return tf.losses.get_losses()

正在发生的问题是 cross_entropy_loss 被两次添加到集合中，从而给了我交叉熵损失的 2 倍输出

集合“cross_entropy_loss”在主例程中用于计算 cross_entropy_total：

        get_cross_entropy = tf.get_collection('cross_entropy_loss')
        cross_entropy_total = tf.add_n(get_cross_entropy, name='cross_entropy_loss_across_all_gpus')
        tf.summary.scalar("cross entropy loss", cross_entropy_total)

单个摘要操作生成摘要：

        summary_op = tf.summary.merge_all()

训练步骤如下所示：

        train_step = (
            tf.train.GradientDescentOptimizer(model_config.INITIAL_LEARNING_RATE).minimize(cross_entropy_total))

这是最后一块，运行训练块和验证块并写出摘要

                _, cross_entropy = sess.run([train_step, cross_entropy_total])
                if step % self.model_config.SUMMARY_EVERY == 0:
                    summary_str = sess.run(summary_op)
                    summary_writer.add_summary(summary_str, step)
                    #validation
                    _, cross_entropy = sess.run([validation_step, cross_entropy_total])
                    v_summary_str = sess.run(summary_op)
                    v_summary_writer.add_summary(v_summary_str, step)                        

那么有人可以帮助我如何避免计算 cross_entropy_total 两次吗？ 例如，如果没有执行验证的损失是 100，如果我插入上面显示的验证部分，它会变成 200

Answer 1

通常，人们通过feed_dict 参数向sess.run 提供训练和验证数据。这样，“图”就不依赖于数据集部分。

另外，我不清楚为什么您甚至需要在这里使用“集合”。您可以将cross_entropy_sum = tf.reduce_sum ... 提供给minimize。