TensorFlow：每个会话运行是否会在图中启动不同批次的数据？

Question

意思是说如果我有下面的图表：

images, labels = load_batch(...)

with slim.arg_scope(inception_resnet_v2_arg_scope()):
    logits, end_points = inception_resnet_v2(images, num_classes = dataset.num_classes, is_training = True)

predictions = tf.argmax(end_points['Predictions'], 1)
accuracy, accuracy_update = tf.contrib.metrics.streaming_accuracy(predictions, labels)

....

train_op = slim.learning.create_train_op(...)

managed_session在图形上下文中的主管中sess，我每隔一段时间运行以下命令：

print sess.run(logits)
print sess.run(end_points['Predictions'])
print sess.run(predictions)
print sess.run(labels)

考虑到批处理张量实际上必须在load_batch到达logits、predictions或之前从头开始，它们实际上是否会为每次 sess 运行调用不同的批处理labels？因为现在当我运行每个会话时，我得到一个非常令人困惑的结果，即使预测也不匹配tf.argmax(end_points['Predictions'], 1)，尽管模型的准确性很高，但我没有得到任何与标签远程匹配的预测来给出这种类型的高精度。因此我怀疑每个结果sess.run可能来自不同批次的数据。

这引出了我的下一个问题：当 load_batch 中的批次一直到 train_op（实际上是在 train_op 中sess.run运行）时，有没有办法检查图表不同部分的结果？换句话说，有没有一种方法可以做我想做的事而不需要另一个sess.run？

另外，如果我以这种方式使用 sess.run 检查结果，是否会影响我的训练，因为某些批次的数据将被跳过而不会到达 train_op？

Answer 1

我意识到使用单独运行存在一个问题sess.run，因为加载的数据总是不同的。相反，当我做了类似的事情时：

logits, probabilities, predictions, labels = sess.run([logits, probabilities, predictions, labels])
print 'logits: \n', logits
print 'Probabilities: \n', probabilities
print 'predictions: \n', predictions
print 'Labels:\n:', labels

所有的数量都与我的预期非常吻合。我也尝试过tf.Print通过编写类似的内容来使用：

logits = tf.Print(logits, [logits], message = 'logits: \n', summarize = 100)

定义后立即logits，以便它们可以在我运行的同一会话中打印train_op。然而，打印相当混乱，所以我更喜欢第一种方法，在会话中运行所有内容以首先获取值，然后像 numpy 数组一样正常打印它们。