为什么要在tensorflow中循环评估测试数据？

Question

在Github发布的TensorFlow中实施的一些模型进行了评估＆＃39;函数运行while循环，例如resnet（在resnet_main.py中）等等。

我想知道为什么我们需要不止一次评估测试数据。

Answer 1

测试数据评估一次：the loop is on its samples。原因是相当普通的：当测试数据很大时，它不能作为一个整体进行处理，因为整个网络无法适应内存。在这种情况下，它被分成小批量。

因此，即使在微型计算机上进行训练和测试循环，其根本原因也确实存在很大差异。

修改

外部循环具有不同的角色：a new model is loaded at each iteration。这用于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。

理解解释here：当您在可以在不同GPU上进行培训和测试的环境中工作时，它非常有用。

Answer 2

您不会多次评估测试数据。您评估测试集的析取子集以获得对这些子集（整个测试集）的并集的评估