我使用数据集api加载了两个数据集，一个用于训练，一个用于评估。在进行评估或训练之前，我用sess.run(train_init_op)在它们之间切换。
目前，我在完成一个纪元后（即训练数据集完全运行之后）进行评估。
如果我想在训练数据集完成之前评估我的网络，我将不得不更早切换，并且通过这样做，张量流将忘记它在训练数据集中的位置。有什么方法可以记住训练数据集迭代器的状态？评估完成后再回到这个位置吗？
答案 0 :(得分：0)
我认为这不仅是要记住训练集中的位置，而且还要记住累积的梯度，优化器的参数（如果使用Adam等），在训练和验证之间切换上下文会很棘手。
例如，在Google对象检测API中，有一个单独的验证过程，monitors for fresh checkpoints并对它们进行验证。同时培训正在进一步进行。因此，通过设置检查点间隔，可以达到所需的任何验证频率。