Python 在tensorflow中，如何在不进行实际训练的情况下评估神经元网络

在tensorflow中，我希望在每个历元之后使用相同的测试数据集对模型进行评估。我所做的：

    # Train data.
    cTr,train_summary,_ = sess.run([loss,summary_op,optimizer], feed_dict={input_tensor: batch_xTr,output_tensor:batch_yTr})
    # Test data.
    batch_xTe,batch_yTe = get_batch(newsgroups_test,0,len(newsgroups_test.target)) # can also be adjusted batch size
    cTe,test_summary, _ = sess.run([loss,summary_op, optimizer], feed_dict={input_tensor: batch_xTe,output_tensor:batch_yTe})

结果表明，该模型最终可以达到接近100%的精度。这是不合理的，原因可能是我在评估时实际上是在“训练”

---

我是否可以在不使用测试数据“训练”模型的情况下评估模型？

不要使用测试数据运行优化器。试试这个

cTe = sess.run([loss], feed_dict={input_tensor: batch_xTe, output_tensor: batch_yTe})

---

不要使用测试数据运行优化器。试试这个

cTe = sess.run([loss], feed_dict={input_tensor: batch_xTe, output_tensor: batch_yTe})

---

是的，有一些方法。请在“获取实际详细问题的答案”下重点阅读此（）并更新您的问题。我已经阅读了教程并更新了我的问题。感谢您的指导。是的，有一些方法。请在“获取实际详细问题的答案”下重点阅读此（），然后更新您的问题。我已经阅读了教程并更新了我的问题。谢谢你的指导，真管用！我对sess.run（）api不太熟悉，这导致了我的困惑。这很有效！我对sess.run（）api不太熟悉，这导致了我的困惑。