如何使用tf.session.run（）進行測試（不更新網絡參數）？

通常我使用的訓練我的網絡tf.session.run（），並使用eval（）用於獲取測試的準確性或損失。但我看到人們也使用session.run（）來獲取測試結果，這對我來說很奇怪。我認爲tf.session.run（）僅用於培訓，而不是測試。如何使用tf.session.run（）進行測試（不更新網絡參數）？

是否有下tf.session.run（），我不知道有什麼祕密嗎？

非常感謝！

來源

2017-06-06 Tai Christian

tf.session.run()是爲了運行一個或幾個TF操作，或評估TF張量，甚至可能混合這兩種類別。

當叫上張量，它基本上會評估它就像eval()。您可以使用它來進行培訓，sess.run(train_op, feed_dict=train_data)將更新您的變量值，因爲這是train_op的作用。但是，如果你調用sess.run(accuracy, feed_dict=data)，它將評估accuracy張量的值，當輸入值是那些由data給予，無論這是否是訓練，驗證或測試數據，並不會改變變量的值，因爲你」只是評估一個張量，而不是運行一個改變變量值的操作。

所以tf.session.run()比你認爲確實要廣泛得多，它即使在測試運行時間推斷或評價你的表現，通常的方式！

你甚至可以做多件事情同時，避免了多次做直傳相同的輸入：

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

來源

2017-06-06 09:57:19 gdelab

非常感謝您@gdelab！所以這個函數實際上只是我們在train_op中需要的嗎？ –

我不知道我理解你的問題。如果你調用'sess.run（train_op，feed_dict = train_data）'，它會運行'train_op'一次，只做那個，是的。（如果你有一個巨大的圖形，但'train_op'只使用並影響其中的一小部分，只有這個小部分將運行）。同樣，如果你調用'acc_value = sess.run（accuracy，feed_dict = data）'，它將不會運行'train_op'，因爲它不需要'精度'，所以它不會改變變量的權重。 – gdelab

是的，我現在明白了。謝謝！你的解釋很清楚！ –

如何使用tf.session.run（）進行測試（不更新網絡參數）？

回答

相關問題