tensorflow session.run()

1. 简单说一下， session.run(), 需要几个参数， fetches， feed_dict, 前者是输出，后者是输入。

tf有个特点，是在模型中定义所有的张量，铺出一张图， session.run 才会真正计算，这里fetches参数中包含的内容就是需要进行计算的变量。

举个例子：

loss = session.run(fetches=[ model.loss],
                    feed_dict={
                    model.input_x: x_batch,
                    model.input_y: y_batch,
                    model.dropout_keep_prob: FLAGS.dropout_keep_prob,
                    model.is_training: True,
                })

可以用来计算loss 

2. 然后使用中发现一个问题， 训练的时候模型需要做反向传播，而测试的时候不需要反向传播（其实这块是从valid验证集不需要反向传播，但是每个epoch需要做一次验证评测引出来的， 具体验证集 测试集 训练集三者区别和作用见这里 训练集、验证集、测试集的作用和区别）

怎么解决这个问题呢， 训练过程其实就是梯度下降过程，也就是优化器

normal_optimizer = tf.train.AdamOptimizer(normal_learning_rate)
op = normal_optimizer.minimize(model.loss, var_list=normal_var_list)

 一个简单的例子，然后将 op加到 fetches里就可以实现训练时反向传播了。

 

参考链接：

https://stackoverflow.com/questions/53058311/tensorflow-multiple-session-run-in-same-iteration

https://github.com/aymericdamien/TensorFlow-Examples/issues/22