Python 什么是；“运行”；及；“步骤”；是否对应于Tensorflow调试器（tfdbg）中的？

我试图了解Tensorflow调试器tfdbg的工作原理：

with sv.managed_session(config=config_proto) as session:
    session = tf_debug.LocalCLIDebugWrapperSession(session)
    for i in range(config.max_epoch):
        session.run(model.lr)

调试器启动时，将显示以下窗口：

在阅读了文档并观看了youtube上的一个小教程后，我无法理解“run”和“step”命令实际上代表什么，更重要的是，它们与神经网络训练时间步长和时代相比如何

从文档中：

run命令使tfdbg一直执行到下一个Session.run（）调用结束，该调用使用测试数据集计算模型的精度

但是

会话.run

只是：

。。。TensorFlow计算的一个“步骤”，通过运行必要的图形片段来执行每个操作并计算回迁中的每个张量，用feed_dict中的值替换相应的输入值

我是TF的新手，我仍然不明白如何用神经网络步骤和时代来解释“运行”。当然，这使得使用tfdbg变得很困难，因为经过几次“运行”后，我得到了一个大约5000行的杂项张量和运算的列表，我需要搜索它们，我不明白我在看什么，一个时间步或一个历元的结果。当我们开发一个神经网络模型时，我们不会考虑会话运行，是吗

---

那么，多少次会话“运行”是一个历元，这样我至少可以找到进入损耗op的张量？

在大多数tensorflow模型中，会话是一个

会话。run

调用处理一小批训练数据。每个历元有多少个小批次取决于您使用的特定模型和数据集