使用张量流的输出函数的参数化模型

Question

是否可以使用 tensorflow 对输出函数进行参数化模型？如何？

示例： 我想要最后使用 softmax 函数的模型，所以

cost = tf.reduce_mean(
    tf.nn.softmax_cross_entropy_with_logits(output_potentials, y))

但是我想尝试 sigmoidal 输出和均方，在这种情况下：

cost = tf.reduce_sum(
    tf.pow(tf.sub(tf.nn.sigmoid(output_potentials), y), 2.0))

我的问题是，如何制作具有成本函数规范的参数化模型？在为此类模型调用构造函数之前，我没有 tensorflow 占位符。

Answer 1

将两个函数都放在图中，然后在评估期间调用其中一个或另一个。评估框架将在评估期间选择特定版本成本所需的图表子集

cost1 = tf.reduce_mean(
    tf.nn.softmax_cross_entropy_with_logits(output_potentials, y))
cost2 = tf.reduce_sum(
    tf.pow(tf.sub(tf.nn.sigmoid(output_potentials), y), 2.0))
sess.run([cost1])
sess.run([cost2])