Ist es möglich, einen Tensorflow MLP mit dem gemittelten Verlust nach n Iterationen statt jeder Iteration zu optimieren?

Question

Der Eingang meines Netzwerks ist n sequentielle Pixel eines NxN-Bildes (wobei n klein im Vergleich zu N ist) und die Ausgabe ist 1 Pixel.
Der Verlust ist definiert als die quadrierte Differenz zwischen der Ausgabe und der gewünschten Ausgabe.

Ich möchte den Optimierer auf den durchschnittlichen Verlust nach der Iteration über das gesamte Bild verwenden.

Aber wenn ich versuche, den Verlust in einer Liste zu sammeln und diese Verluste zu mitteln, nachdem alle Iterationen durchgeführt wurden, führt dies zu einem Fehler, weil Tensorflow nicht weiß, woher dieser Verlust kommt, da er nicht aktiv ist das Berechnungsdiagramm.

Answer 1

Offenbar, ein Array [x, n] (wobei x die Anzahl der Eingänge ist, musste ich sonst in jeder Iteration einzeln speisen und n ist die Anzahl der sequentiellen Pixel) zu meinem Netzwerk und dann den Verlust optimieren berechnet für diese Eingabe ist genau das, was ich gesucht habe.