Python Tensorflow'；s Estimator.evaluate（）：是准确度；“全球”；或者特定于它看到的批次？

我已经尽我所能检查了堆栈溢出和Tensorflow API中有关Estimator.evaluate（）的部分，但没有找到任何解决这个问题的方法

我是Tensorflow的一个研究项目的学生，我一直在使用evaluate（）跟踪准确性，并将返回的值存储在文本文件中。我的顾问教授（与ML/NNs合作，但不是专门与python和Tensorflow合作）想知道该精度值是否特定于它当时看到的一批数据，或者它是否是该网络从开始到当时的整体精度

是否有人可以澄清“准确度”是对评估时给定批次数据的准确度的衡量，还是对截至评估时的所有批次/数据的衡量

如果它不是所有批次的度量，是否有任何方法可以从网络中找到它，或者我需要手动计算它

关于我如何构建/训练我的网络（如果有关系的话）：我在比Keras稍微低一点的级别上构建模型（比如，我使用tf.layers的方法定义架构），我也从未使用tf.session（）显式地运行网络（我只是在尝试时遇到了麻烦，过去的网络在没有它的情况下运行良好）.

Estimator.evaluate（）在每个步骤中调用input_fn，返回文档中所示的一批数据。因此，输入返回的内容在这里很重要，即如果测试数据很小，它可以返回整个数据，或者如果测试数据很大，它可以批量返回数据

如果您的测试数据集足够小，可以放入内存（RAM），input_fn一次返回所有测试数据，您可以传递它一次并获得结果

e、 g。 结果=分类器。评估（测试\u inpf）

现在，如果您的测试数据太大，无法放入内存，为了获得整个测试数据集的准确性，您可以获得每个批次的准确性（因为现在输入将返回批次），并对数据集中的所有批次进行运行平均。 e、 g.如果您的测试数据集有100个示例。批量大小为10。 对于每批尺寸为10的产品，您都要评估其准确性。您可以获得数据集的10个精度值。然后，这些数据的平均值就是整个数据集上模型的准确性

这也是TensorFlow网站上的有用教程