Tensorflow：运行时测试指标和数据队列

Question

我想在网络训练时计算并显示测试集的准确性。

在使用Feed的MNIST tutorial中，可以看到通过提供测试数据而不是训练数据可以轻松完成。解决一个简单问题的简单方法。

但是，在使用队列进行批处理时，我无法找到这么简单的示例。 AFAICS，文档提出了两个解决方案：

1. 使用已保存状态进行离线测试。我不想离线。
2. 建立第二个“测试”网络，与正在训练的网络共享权重。这听起来并不简单，我还没有看到这样的例子。

在运行时是否有第三种简单的方法来计算测试指标？或者在第二个测试网络的某个地方有一个例子，它具有共享权重，通过超级简单的实现证明我错了吗？

Answer 1

如果我正确理解您的问题，您希望在使用队列输入而不是feed_dict进行培训时验证您的模型吗？ 看到我这样做的program。 这是一个简短的解释：

首先，您需要将数据转换为火车和验证文件，例如＆＃39; train.tfreords＆＃39;和＆＃39; valid.tfreocrds＆＃39;

你的训练计划中的第二个开始两个解析这两个文件的队列， 并使用共享变量来获取train和valid

的两个logits

在我的程序中，这是由

完成的

with tf.variable_scope("inference") as scope:
        logits = mnist.inference(images)
        scope.reuse_variables()
        validation_logits = mnist.inference(validation_images)

然后使用logits获取火车损失并将其最小化并使用validation_logits来获得有效的准确度