python - "run"和 "step"在Tensorflow调试器(tfdbg)中对应什么？

Question

我试图了解 Tensorflow 调试器 tfdbg 的工作原理:

with sv.managed_session(config=config_proto) as session:
    session = tf_debug.LocalCLIDebugWrapperSession(session)
    for i in range(config.max_epoch):
        session.run(model.lr)

当调试器启动时，它会向我们显示以下窗口:

阅读完文档并观看 YouTube 上的一个小教程后，我无法理解“run”和“step”命令实际上代表什么，更重要的是它们如何与神经网络训练时间步长和纪元进行比较？

来自文档:

The run command causes tfdbg to execute until the end of the next Session.run() call, which calculates the model's accuracy using a test data set.

但是 Session.run 它只是:

... one "step" of TensorFlow computation, by running the necessary graph fragment to execute every Operation and evaluate every Tensor in fetches, substituting the values in feed_dict for the corresponding input values.

我是 TF 新手，我仍然不明白如何用神经网络步骤和纪元来解释“运行”。这当然使得使用 tfdbg 变得困难，因为在几次“运行”之后，我得到了大约 5000 行杂项张量和操作的列表，我需要搜索它们，但我不明白它们是什么我看着一个时间步或纪元的结果。当我们开发神经网络模型时，我们不会考虑 session 运行，不是吗？

那么，一个时期有多少个 session “运行”，这样我至少可以找到进入损失操作的张量？

Answer 1

在大多数 tensorflow 模型中，session.run 调用会处理一小批训练数据。每个时期有多少个小批量取决于您正在使用的特定模型和数据集。