Tensorflow - 如何创建可变大小的神经网络

Question

我正在尝试编写一个 Python 程序，该程序基本上可以遍历 Tensorflow 神经网络的许多可能性。换句话说，我想创建一个循环，用一个隐藏层训练算法，然后尝试两个隐藏层，等等。但是，我似乎找不到任何指向正确方向的文档，并且想要检查并了解如何处理此问题的共识。

谢谢！

编辑：使用下面的 cmets 和答案，我仔细查看了一些文档 -- particularly this link -- 并打算在每个会话中使用 for 循环将层附加到顺序模型。

当我有时间实施它时，我将提供有关其工作原理的更新。

Answer 1

一旦将节点添加到 TensorFlow 会话图中，它们就不会被删除。相反，session 可以在每个神经网络经过训练并打开一个新会话后关闭。这将释放资源并为每个网络创建一个新图表。

#Create neural network 1
with tf.session() as sess1: #"sess1" for clarity. Call all sessions "sess" in practice
    #Create your first network and perform training operations like usual
    #...

    #Close the session, freeing all resources
    sess1.close()

#Create neural network 2
with tf.session() as sess2: #"sess2" for clarity. Call all sessions "sess" in practice
    #Create your second network and perform training operations like usual
    #...

    #Close the session, freeing all resources
    sess2.close()

您可以根据需要多次重复该过程。每个神经网络都可以从每个会话中保存（保存到不同的文件中）。