如何使用tf.session.run（）进行测试（不更新网络参数）？

Question

通常，我使用tf.session.run（）来训练我的网络，并使用eval（）来获得测试的准确性或损失。但是我看到人们也使用session.run（）获得测试结果，这对我来说很奇怪。我以为tf.session.run（）仅用于培训，而不用于测试。

tf.session.run（）下有我不知道的秘密吗？

非常感谢你！

Answer 1

tf.session.run() 是指运行一个或多个TF运算，或评估TF张量，甚至可能混合这两种类别。

当调用张量时，基本上将像评估它eval()。您可以将其与一起用于训练，sess.run(train_op, feed_dict=train_data)这将更新您的变量值，因为这就是train_op所做的。但是，如果调用sess.run(accuracy, feed_dict=data)，则accuracy当输入值为由给出的张量时，它将评估张量的值data，而不管这是训练数据，验证数据还是测试数据，并且不会更改变量值，因为您只是在评估张量，不运行更改变量值的操作。

因此，tf.session.run()比您想像的要广得多，这是即使在测试时也可以进行推理或评估性能的常用方法！

您甚至可以一次执行多项操作，从而避免在同一输入上多次进行前向传递：

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