我正在用新的estimator高级api构建一个tensorflow模型 . 我的模型如下图所示
.
实际上，由于模型用于模拟游戏操作，因此模型比这更复杂 . 分类负责决定是否是采取行动的好时机 . 然后回归将给出有关操作的详细信息 . 它包含CNN和RNN的组合 .
然而，由于复杂性和内存消耗，不可能同时训练和运行分类和回归作为两个网络 . 另外，当我创建我的估算器时：
# Create the Estimator
mnist_classifier = tf.estimator.Estimator(
model_fn=cnn_model_fn, model_dir="/tmp/mnist_convnet_model")
我只能为估算器提供一个模型函数 . 是否可以一起训练和运行两个估算器？
1 回答
将损失函数更改为回归和分类损失的线性组合 . 它将是一个有一个损失的估算器，但有多个推论 .