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比n小），输出是1个像素。
损耗定义为输出和期望输出之间的平方差

我想在迭代整个图像后使用平均损失的优化器

但是，如果我尝试在一个列表中收集损失，并在所有迭代完成后平均这些损失，那么将其提供给我的优化器会导致一个错误，因为Tensorflow不知道这个损失来自何处，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，否则我必须在每次迭代中分别输入，n是连续像素的数量）输入到我的网络中，然后优化为这个输入计算的损失，正是我想要的