[英]In tensorflow, how to evaluate a Neuron Net without actually training it
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?
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})
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.