在不离开 tf.Session() 的情况下显示 Tensorflow DQN 中的损失

Question

我有一个 DQN 已全部设置好并可以正常工作，但我不知道如何在不离开 Tensorflow 会话的情况下显示损失。

我最初认为它涉及创建一个新函数或 class，但我不确定将它放在代码中的什么位置，以及具体将什么放入函数或 class。

observations = tf.placeholder(tf.float32, shape=[None, num_stops], name='observations')
actions = tf.placeholder(tf.int32,shape=[None], name='actions')
rewards = tf.placeholder(tf.float32,shape=[None], name='rewards')

# Model
Y = tf.layers.dense(observations, 200, activation=tf.nn.relu)
Ylogits = tf.layers.dense(Y, num_stops)

# sample an action from predicted probabilities
sample_op = tf.random.categorical(logits=Ylogits, num_samples=1)


# loss
cross_entropies = tf.losses.softmax_cross_entropy(onehot_labels=tf.one_hot(actions,num_stops), logits=Ylogits)

loss = tf.reduce_sum(rewards * cross_entropies)

# training operation
optimizer = tf.train.RMSPropOptimizer(learning_rate=0.001, decay=.99)
train_op = optimizer.minimize(loss)

然后我运行网络正常工作。

with tf.Session() as sess:

'''etc. The network is run'''

sess.run(train_op, feed_dict={observations: observations_list,
                             actions: actions_list,
                             rewards: rewards_list})

我想将 train_op 中的 loss 显示给用户。

Answer 1

试试这个

loss, _ = sess.run([loss, train_op], feed_dict={observations: observations_list,
                             actions: actions_list,
                             rewards: rewards_list})

在不离开 tf.Session() 的情况下显示 Tensorflow DQN 中的损失

Display loss in a Tensorflow DQN without leaving tf.Session()

python

q-learning

tensorflow

cross-entropy