为什么在tensorflow中评估循环中的测试数据？

Question

发布在Github上的TensorFlow中实现的一些模型的“evaluation”函数运行while循环，例如resnet（in resnet_main.py）等

我想知道为什么我们需要多次评估测试数据。在

Answer 1

你不会多次评估测试数据。计算测试集的不相交子集，以获得这些子集（整个测试集）并集的求值

Answer 2

测试数据计算一次：the loop is on its samples。原因很普通：当测试数据很大时，由于整个网络无法装入内存，因此无法将其作为一个整体进行处理。在这种情况下，它被分成小批量。在

因此，即使是在小批量上进行培训和测试，其根本原因确实是完全不同的。在

编辑

外部循环具有不同的角色：a new model is loaded at each iteration。如果您在不同的进程中运行评估，该进程定期读取磁盘上的培训输出并对其进行评估，则使用此选项。在

其基本原理解释如下：here：当您在一个环境中工作时，它非常有用，因为您可以在不同的gpu上进行培训和测试。在