循环调用session.run是否可以保持训练进度？

Question

我想训练一个CNN（使用我自己的张量流图），但是我拥有的数据量远远超过了我可以放入一个numpy数组（馈送到CNN中）的数据。是否可以运行一个循环，在该循环中我处理不同的训练数据，并将其提供给同一会话进行训练？还是仅有效地训练了最后给出的数据？

这是我打算做的事情：

for i in range(MULTIPLE_TRAINING):
    X_train, y_train, NUM_STAN = parse_data('gdrive/My Drive/Colab Notebooks/fanta/partial_data', 
                                  BONE_WINDOW, 24,start_point=i * 24, randomize=False, 
                                  should_sample=True, num_samples = 32, b_check=True, training=True)
    y_out = simple_model(X, y, is_training)
    total_loss = tf.losses.softmax_cross_entropy(tf.one_hot(y, 2), logits=y_out)
    mean_loss = tf.reduce_mean(total_loss)
    optimizer = tf.train.RMSPropOptimizer(1e-3)
    train_step = optimizer.minimize(mean_loss)
    # batch normalization in tensorflow requires this extra dependency
    extra_update_ops = tf.get_collection(tf.GraphKeys.UPDATE_OPS)
    with tf.control_dependencies(extra_update_ops):
        train_step = optimizer.minimize(mean_loss)

    sess = tf.Session()

    sess.run(tf.global_variables_initializer())
    print('Training')
    run_model(sess,y_out,mean_loss,X_train,y_train,3,64,100,train_step,True,num_stan=NUM_STAN)

非常感谢您的帮助！目标是能够训练大量数据。