python - TensorFlow 全连接教程 : How are the trained weights used for Eval and Test?

Question

我一直在查看 TensorFlow FullyConnected教程。这也使用帮助程序代码 mnist.py

我理解代码，但有一个烦人的部分。训练神经网络后，应使用训练获得的权重来评估模型在验证(和测试)数据上的精度。但是，我没有看到任何地方都在这样做。

事实上，这是我在 full_connected_feed.py 中看到的唯一内容

    # Evaluate against the validation set.
    print('Validation Data Eval:')
    do_eval(sess,
            eval_correct,
            images_placeholder,
            labels_placeholder,
            data_sets.validation)

    # Evaluate against the test set.
    print('Test Data Eval:')
    do_eval(sess,
            eval_correct,
            images_placeholder,
            labels_placeholder,
            data_sets.test)

do_eval() 函数似乎传递了一个参数eval_ Correct，该参数似乎正在根据这个新数据再次重新计算 logits。我已经使用 TF 一段时间了，但我对这段代码感到困惑。任何想法都会很棒。

Answer 1

TensorFlow 使用权重和偏差创建一个图。粗略地说，当你训练这个神经网络时，权重和偏差会发生变化，因此它会产生预期的输出。 full_connected_feed.py 中的第 131 行(with tf.Graph().as_default():)用于告诉 TensorFlow 使用默认图。因此，训练循环中的每一行(包括 do_eval() 函数的调用)都使用默认图。由于从训练中获得的权重在评估之前不会重置，因此它们将用于评估。

eval_ Correct 是用来代替训练操作的操作，用于仅评估神经网络而不对其进行训练。这很重要，因为否则神经网络将针对它们进行训练，这将导致扭曲(太好)的结果。