在張量流中，如何在不實際訓練的情況下評估神經元網

Question

在tensorflow中，我想在每個時期之后使用相同的測試數據集評估模型。 我做了什么：

    # 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})

結果是該模型最終可以達到近100％的精度。 這是不合理的，原因可能是我在評估時實際上是在“訓練”。

無論如何，我可以評估模型而不用測試數據實際“訓練”模型嗎？

Answer 1

不要使用測試數據運行優化器。 嘗試這個

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