滑动平均模型

滑动平均模型：在一定程度下提高最终模型在测试数据上的表现。

函数实现：tf.train.ExponentialMovingAverage()

例子：

import tensorflow as tf

#step1:定义一个变量用于计算滑动平均；初始值=0；数据类型：float32
v1=tf.Variable(0,dtype=tf.float32)

#step2：定义一个变量用于模拟神经网络中迭代次数；可用于动态控制衰减率
step=tf.Variable(0,trainable=False)

#step3：定义一个滑动平均的类（class）；初始化时，decay(衰减率)=0.99；
ema=tf.train.ExponentialMovingAverage(0.99,step)

#step4：定义一个更新变量滑动平均的操作；
#需要给定一个列表；每次执行这个操作时这个列表中的变量都会被更新
#apply（）函数：可以理解为一个数据传递函数；将v1中的值传递给ema。
maintain_averages_op=ema.apply([v1])

#step5：创建会话
with tf.Session() as sess:
init=tf.global_variables_initializer()
sess.run(init)
#通过ema.average(v1)获取滑动平均之后变量的取值
#在初始化之后变量v1的值和v1的滑动平均都为0
print(sess.run([v1,ema.average(v1)]))

#更新变量v1的值到5
sess.run(tf.assign(v1,5))
#更新v1的滑动平均值
sess.run(maintain_averages_op)
print(sess.run([v1,ema.average(v1)]))

#更新step的值为10000
sess.run(tf.assign(step,10000))
#更新v1的值为10
sess.run(tf.assign(v1,10))

sess.run(maintain_averages_op)
print(sess.run([v1,ema.average(v1)]))
sess.run(maintain_averages_op)
print(sess.run([v1,ema.average(v1)]))

结果：

[0.0, 0.0]

[5.0, 4.5]

[10.0, 4.5549998]

[10.0, 4.6094499]