validation - 如何使用 tf.session.run() 进行测试(不更新网络参数)？

Question

通常我使用 tf.session.run() 来训练我的网络，并使用 eval() 来获得测试准确性或损失。但我看到人们也使用 session.run() 来获取测试结果，这对我来说很奇怪。我认为 tf.session.run() 仅用于训练，而不是测试。

tf.session.run()下有什么我不知道的 secret 吗？

非常感谢!

Answer 1

tf.session.run() 旨在运行一个或多个 TF 操作，或评估 TF 张量，甚至可能是这两个类别的混合。

当在张量上调用时，它基本上会像 eval() 一样对其求值。您可以使用它进行训练，使用 sess.run(train_op, feed_dict=train_data)，这将更新您的变量值，因为这就是 train_op 的作用。但是，如果您调用 sess.run(accuracy, feed_dict=data)，当输入值为 给出的值时，它将计算 accuracy 张量的值data，无论这是训练数据、验证数据还是测试数据，它都不会更改变量值，因为您只是在评估张量，而不是运行更改变量值的操作。

所以 tf.session.run() 确实比您想象的要广泛得多，它是运行推理或评估性能的常用方法，即使在测试时也是如此!

您甚至可以一次做多件事，这避免了对同一个输入多次执行正向传递:

_, loss_value, accuracy_value = sess.run([train_op, loss_tensor, accuracy_tensor], feed_dict=data)
print('Loss value: %f' % loss_value)