Python TensorFlow-如何对每个示例的所有测试集进行一次且仅一次评估
我正在运行TensorFlow的示例。但在评估方面存在一个问题 我有一个测试集，我想对其中的每一个例子进行一次评估。但是代码（）现在只从队列（）中获取，而队列（）不能保证这一点。我还做了一个修改，输入是一个“.tfrecords”文件。有什么建议吗 提前感谢。创建文件名队列的函数可以接受参数Python TensorFlow-如何对每个示例的所有测试集进行一次且仅一次评估,python,machine-learning,tensorflow,Python,Machine Learning,Tensorflow,我正在运行TensorFlow的示例。但在评估方面存在一个问题 我有一个测试集，我想对其中的每一个例子进行一次评估。但是代码（）现在只从队列（）中获取，而队列（）不能保证这一点。我还做了一个修改，输入是一个“.tfrecords”文件。有什么建议吗 提前感谢。创建文件名队列的函数可以接受参数num\u epochs。您可以指定只希望它运行1个历元 # Create a queue that produces the filenames to read. filename_queue = tf.t
num\u epochs# Create a queue that produces the filenames to read.
filename_queue = tf.train.string_input_producer(filenames, num_epochs=1)
我已经想出了一个解决办法，但并不完美。线索是从要加载的变量中排除它，然后自己初始化
limit\u epochsdel variables\u to\u restore['input\u producer/limit\u epochs/epochs']variables\u to\u restore=variable\u averages.variables\u to\u restore（）之后。它将停止向模型加载输入\u producer/限制\u epoch
接下来，在会话中添加代码sess.run（tf.initialize_variables（[v代表tf.all_variables（），如果v.name.startswith（“input_producer”）））
，以激活变量
最后，执行操作filename\u queue=tf.train.string\u input\u producer（filenames，num\u epochs=1）
并尝试在关闭线程之前保存文件
缺点是，如果你想让每一个线程都适合任意的测试示例，你必须让它只读一个示例。这背后有一个问题：培训必须包含多个时代的示例；加载模型时，TensorFlow将出现以下错误<代码>在检查点文件中找不到张量名称“input\u producer/limit\u epochs/epochs”