问题描述
我正在训练使用张量流并将值记录到张量板的模型。基于这些值,我想调整超参数(在代码中)。例如,人们可能会考虑根据损失来切换到其他损失函数,或更改损失函数中的系数。
找到某种方法并不难:一种方法是简单地:
- 积极执行工作
- 将我要记录的标量也保存到tensorboard到python列表中
- 在批次之间对这些列表进行计算
- 根据这些计算执行不同的渴望的张量流逻辑或分配不同的超参数
有没有一种更惯用的方法?例如,最好这样做:
- 不必自己将所有这些标量保存到python列表中。可以以一种高性能的方式从张量板上检索它们吗?
- 使用tf.function api以获得更好的性能
我找到了Change Hyperparameters on an ongoing simulation of TensorFlow,但它与tensorflow 1.x有关,并且不使用来自tensorflow的任何信息进行更改。
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)