python - 是否可以用 n 次迭代后的平均损失而不是每次迭代来优化 Tensorflow MLP？

Question

我的网络的输入是 NxN 图像的 n 个连续像素（其中 n 与 N 相比较小），输出是 1 个像素。
损失定义为输出和期望输出之间的平方差。

我想在遍历整个图像后对平均损失使用优化器。

但是，如果我尝试在列表中收集损失并在所有迭代完成后对这些损失进行平均，将其提供给我的优化器会导致错误，因为 Tensorflow 不知道损失来自哪里，因为它不在计算图上。

Answer 1

显然，将一个数组 [x,n] （其中 x 是输入的数量，否则我将不得不在每次迭代中提供 seperatley 并且 n 是顺序像素的数量）到我的网络，然后优化为此输入计算的损失，正是我想要的。