在张量流中，如何在没有实际训练的情况下评估神经网络

Question

在tensorflow中，我想用相同的测试数据集评估每个纪元后的模型。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})

结果是该模型最终可以达到近100％的准确度。这是不合理的，原因可能是我实际上＆＃34;培训＆＃34;在评估时。

无论如何我无法实际评估模型＆＃34;培训＆＃34;它与测试数据？

Answer 1

不要使用测试数据运行优化器。试试这个

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