【发布时间】：2016-11-18 01:25:13
【问题描述】：
我有 3 个模型使用相同的输入，但产生 3 个独特的输出（1 个分类器，2 个回归）。我将 3 个中的 2 个组合成具有 2 个损失函数的 1 个模型，并且看到准确度/RMSE 有显着提高。
我正在尝试将第 3 个损失函数组合到模型中，因此我有 1 个模型和 3 个共享许多参数的损失函数。
第三个损失函数只适用于一半的数据。我测试了将标签标准化为 0-mean-unit-variance 并使用 0 表示它们不适用于损失函数 C 的标签，但在某些情况下这会使结果偏向 0。
我现在正在尝试对损失函数 A 和 B 以及来自完整数据集的批次进行交替优化，对比所有 3 个损失函数 A、B 和 C 以及适合损失 C（和 A&B）的批次。就我的问题而言，这样做是合乎逻辑的。
我的问题：
- Tensorflow 要求传入图中定义的所有占位符。但是，我在此特定优化步骤中没有使用该张量。这是预期的行为吗？我应该在这里传递一个虚拟变量来安抚TF吗？我想知道我是否遗漏了一个重要的细节。
【问题讨论】：
-
我认为它应该只需要那些在你正在运行的操作的计算图中是父级的。我已经运行了一个小例子，它的工作原理应该是这样，但是当你有一个复杂的图表时，对于 tensorflow 的依赖关系的计算可能会变得很棘手。
-
我认为您可能是对的，我现在正在调查依赖项中的错误。谢谢。
-
图表可能很复杂，实际上存在一些依赖关系，但您没有意识到。如果您只需要运行图表的一部分，也可以尝试部分运行。
标签： tensorflow