Python Tensorflow多个会话。在同一迭代中运行（）

以下是Tensorflow NN训练部分的两种代码模式

我发现使用模型1是合乎逻辑的。但我经常在多个地方看到模型2。我觉得模式2是错误的。对于相同的数据，模型会在会话中为每次迭代运行两次图吗？有没有我遗漏了什么，人们会因为其他原因而这样做

模式1

for epoch in range(epochs):
    for iteration in range(num_tr_iter):
        _, loss, accuracy = sess.run([optimizer, loss, accuracy], feed_dict)

模式2

for epoch in range(epochs):
    for iteration in range(num_tr_iter):
        sess.run(optimizer, feed_dict)
        loss, accuracy = sess.run([loss, accuracy],feed_dict)

---

编辑：为了更清晰，我扩展了问题

如果下面的sess.run（）执行optimizer节点，它将执行其所有依赖节点。它还将运行基础convnet和loss函数

    sess.run(optimizer, feed_dict)

接下来，如果下面的sess.run（）执行loss节点，为什么不使用当前权重执行convnet呢。我不是在推断它会再次运行优化。即使要计算当前损耗，tensorflow是否会执行convnet并计算损耗

        loss, accuracy = sess.run([loss, accuracy],feed_dict)

---

在模型2中，第一行代码在模型上运行优化器，第二行计算损失和精度。它不会运行图形两次

---

模型1和模型2本质上是相同的，但为了简洁起见，点指向模型1。

会话。Run

将仅运行计算第一个参数中给定的图形元素

因此，在模型2中，

sess.run（optimizer，feed\u dict）

只对模型应用权重更新，而

loss，accurity=sess.run（[loss，accurity]，feed\u dict）

只在权重更新后计算模型的损耗和精度。整个计算不会运行两次，因为这些操作彼此独立

请注意，Session.Run中提到：

顺序是。。。在未定义的调用中计算操作

---

因此，模型1甚至可能无法给出准确的损失和准确度，因为不清楚它是在体重更新之前还是之后测量的。（但在实践中这可能没问题）

在模型1中，optimizer是sess.run（）的第一个获取。在这种情况下，我们对模型1也很好吗？根据文档，我不认为我们可以假设

optimizer

是首先评估的，因为它是列表中的第一个。不过，正如我上面所说，实际上可能是这样的——我对

Session.Run

的内部结构了解不够。