备注：tensorflow模型训练时同时进行测试，将结果可视化。

1、首先创建两个placeholder，用来存放测试数据集，和标签。

x  = tf.placeholder(tf.float32, shape = [BATCH_SIZE,256,256,3])
y_ = tf.placeholder(tf.int16,shape = [BATCH_SIZE]) 

2、创建一个FileWriter ,用于写入测试数据信息

test_writer = tf.summary.FileWriter(logs_test_dir, sess.graph)

3、将测试数据传入到训练中的模型

val_image,val_label = sess.run([test_batch,test_label_batch])
val_loss , val_acc = sess.run([train_loss,train__acc],feed_dict={x:val_image,y_:val_label})

print('Step %d, test loss = %.2f, test accuracy = %.2f%%' %(step, val_loss, val_acc*100.0))
summary_str = sess.run(summary_op)

4、将信息将入到log中
test_writer.add_summary(summary_str, step)

注：

tf.train.Saver

要在 FIleWrite之前创建