外部機能による学習率の変更、多くのセッションを実行する必要がありますか？

Question

私は関数を持ち、各反復で精度（と他のメトリック）をとり、単純なCNNに学習率を与えるDetermineLearningRateと呼んでいます。

ワークフロー

1. シンプルCNN DetermineLearningRateは（）の精度に取ると CNNのTensorFlowグラフが に学習率を取り、1回の反復を実行し、戻ってくる学習率
2. を返します精度
3. これは、すべての反復が終了するまで繰り返されます。

10,000回反復すると、実行して10,000セッションを終了する必要がありますか？これは、各反復で関数呼び出しを行わずに反復を続け、精度を得て学習率を返すことを望まないためです。

これは私が念頭に置いていたワークフローです：

1. グローバル変数LRグラフが機能
2. によって与えられたLRで
3. 実行セッション1にアクセスすることを精度
4. がセッションを閉じなさい
5. セッション2を、関数によって与えられたLRで実行した後、 の精度
6. accuを取得する
7. 際どいは

セッションに

繰り返しを閉じることができ、誰かのアドバイス？どうもありがとう。

Answer 1

いいえ、学習率LR=tf.placeholder(tf.float32,[])のプレースホルダを作成し、トレーニングステップのfeed_dict引数として関数の値を使用するだけです。

チュートリアル：私は、セッションを閉じられることはありません

x=tf.placeholder([None,dim_x],tf.float32) 
target=tf.placeholder([None,dim_target],tf.float32) 
LR=tf.placeholder([],tf.float32) 
#a list of operations on x to get y_pred 
y_pred=... 
#Your loss 
loss=your_loss_function(y_pred,target) 
acc=accuracy(y_pred,target) 
#I am now passing the placeholder LR as a learning rate 
train_step = tf.train.YourFavoriteOptimizer(LR).minimize(loss) 
sess=tf.Session() 
sess.run(tf.initialize_all_variables()) 
for i in xrange(training_steps): 
    acc_arg=sess.run(acc,feed_dict={x: batch_x, target: batch_target}) 
    lr_val=DetermineLearningRate(acc_arg) 
    #lr is a scalar not a list 
    sess.run(train_step,feed_dict={x: batch_x, target: batch_target, LR: lr_val}) 

お知らせ：

ですから、これとあなたの学習率を計算する機能DetermineLearningRate()ようになりますグラフを定義しているとします。 これを行うための他のよりエレガントな方法がありますが、私の意見では、これは最も簡単です。
あなたはLR=tf.div(1,acc)などのテンソルを使ってテンソルaccから得られたテンソルとしてLRを定義することができ、ses.run()を1回だけ呼び出すことができます。
LRには訓練できない変数を使用し、関数の結果にはtf.assignを使用してください。

編集：操作がTFで実行されないようにするには、別の操作が完了する前にtf.control_dependencies()を使用します。