python - 为什么要在 tensorflow 中循环评估测试数据？

Question

在 TensorFlow 中实现的一些模型发布于 Github让他们的“评估”函数运行一个 while 循环，例如 resnet(在 resnet_main.py 中)等。

我想知道为什么我们需要多次评估测试数据。

Answer 1

测试数据评估一次:the loop is on its samples 。原因很平常:当测试数据很大时，无法将其作为一个整体进行处理，因为整个网络无法容纳在内存中。在这种情况下，它会被分割成小批量。

因此，尽管训练和测试是在小批量上循环进行的，但根本原因确实有很大不同。

编辑

外层循环具有不同的作用:a new model is loaded at each iteration 。如果您在不同的进程中运行评估，定期读取磁盘上的训练输出并对其进行评估，则可以使用此方法。

解释理由here :当您在可以在不同 GPU 上进行训练和测试的环境中工作时，它非常有用。