Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
Oneflow-Inc
OneFlow-Benchmark
提交
b6e38605
O
OneFlow-Benchmark
项目概览
Oneflow-Inc
/
OneFlow-Benchmark
上一次同步 接近 3 年
通知
1
Star
92
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
DevOps
流水线
流水线任务
计划
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
O
OneFlow-Benchmark
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
DevOps
DevOps
流水线
流水线任务
计划
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
流水线任务
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
b6e38605
编写于
3月 20, 2020
作者:
S
ShawnXuan
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
add reduce mean for loss
上级
a741e132
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
4 addition
and
4 deletion
+4
-4
cnn_e2e/of_cnn_train_val.py
cnn_e2e/of_cnn_train_val.py
+4
-4
未找到文件。
cnn_e2e/of_cnn_train_val.py
浏览文件 @
b6e38605
...
...
@@ -51,7 +51,7 @@ def TrainNet():
logits
=
model_dict
[
args
.
model
](
images
)
loss
=
flow
.
nn
.
sparse_softmax_cross_entropy_with_logits
(
labels
,
logits
,
name
=
"softmax_loss"
)
#
loss = flow.math.reduce_mean(loss)
loss
=
flow
.
math
.
reduce_mean
(
loss
)
flow
.
losses
.
add_loss
(
loss
)
predictions
=
flow
.
nn
.
softmax
(
logits
)
outputs
=
{
"loss"
:
loss
,
"predictions"
:
predictions
,
"labels"
:
labels
}
...
...
@@ -84,8 +84,8 @@ def main():
snapshot
=
Snapshot
(
args
.
model_save_dir
,
args
.
model_load_dir
)
for
epoch
in
range
(
args
.
num_epochs
):
metric
=
Metric
(
desc
=
'train'
,
calculate_batches
=
args
.
loss_print_every_n_iter
,
summary
=
summary
,
save_summary_steps
=
epoch_size
,
metric
=
Metric
(
desc
=
'train'
,
calculate_batches
=
args
.
loss_print_every_n_iter
,
summary
=
summary
,
save_summary_steps
=
epoch_size
,
batch_size
=
train_batch_size
,
loss_key
=
'loss'
)
for
i
in
range
(
epoch_size
):
TrainNet
().
async_get
(
metric
.
metric_cb
(
epoch
,
i
))
...
...
@@ -93,7 +93,7 @@ def main():
# break
#break
if
args
.
val_data_dir
:
metric
=
Metric
(
desc
=
'validataion'
,
calculate_batches
=
num_val_steps
,
summary
=
summary
,
metric
=
Metric
(
desc
=
'validataion'
,
calculate_batches
=
num_val_steps
,
summary
=
summary
,
save_summary_steps
=
num_val_steps
,
batch_size
=
val_batch_size
)
for
i
in
range
(
num_val_steps
):
InferenceNet
().
async_get
(
metric
.
metric_cb
(
epoch
,
i
))
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录