在張量流中，如何在沒有實際訓練的情況下評估一個神經網絡

在張量流中，我想在每個時期用相同的測試數據集評估模型。我做了什麼：在張量流中，如何在沒有實際訓練的情況下評估一個神經網絡

# Train data. 
    cTr,train_summary,_ = sess.run([loss,summary_op,optimizer], feed_dict={input_tensor: batch_xTr,output_tensor:batch_yTr}) 
    # Test data. 
    batch_xTe,batch_yTe = get_batch(newsgroups_test,0,len(newsgroups_test.target)) # can also be adjusted batch size 
    cTe,test_summary, _ = sess.run([loss,summary_op, optimizer], feed_dict={input_tensor: batch_xTe,output_tensor:batch_yTe})

結果是該模型終於可以達到近100％的準確度。這是不合理的，原因可能是我在評估時實際上是「訓練」的。

有沒有辦法，我可以評估模型，而不用實際「訓練」它與測試數據？

來源

2017-09-21 huxuzi

是的，有一些方法。 – prometeu

閱讀本文（https://stackoverflow.com/tour），重點關注**獲取實用，詳細問題的答案**，然後更新您的問題。 – prometeu

我已閱讀了旅程並更新了我的問題。感謝您的指導。 – huxuzi

不要使用測試數據運行優化程序。試試這個

cTe = sess.run([loss], feed_dict={input_tensor: batch_xTe, output_tensor: batch_yTe})

來源

2017-09-23 16:09:02 prometeu

工作正常！我不太熟悉sess.run（）api，這導致了我的困惑。 – huxuzi

很高興解決了！請接受答案。 – prometeu

在張量流中，如何在沒有實際訓練的情況下評估一個神經網絡

回答

相關問題