Tensorflow 使用tf.train.MonitoredTrainingSession获得验证丢失的干净方法是什么？

我正在构建一个分布式张量流模型，对于如何以干净的方式使用tf.MonitoredTrainingSession，我有点困惑

这是我的培训代码：

#Define number of training steps
hooks=[tf.train.StopAtStepHook(last_step=FLAGS.nb_train_step)]

with tf.train.MonitoredTrainingSession(master=target,
    is_chief=(FLAGS.task_index == 0),
    checkpoint_dir=FLAGS.logs_dir,
    hooks = hooks) as sess:

    while not sess.should_stop():
        batch_train = gen_train.next() #training data generator

        feed_dict = {X: batch_train[0],
                        Y: batch_train[1]}

        variables = [loss, merged_summary, train_step]
        current_loss, summary,  _ = sess.run(variables, feed_dict)
        print("Batch loss: %s" % current_loss)

现在，如果我想在每个

n

训练步骤中得到我的模型验证损失，我可以在每个

n

步骤中添加要评估的块：

batch_val = gen_val.next() #validation data generator
feed_dict = {X: batch_train[0],
            Y: batch_train[1]}

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

但这将增加我的钩子中的步骤数，这意味着验证损失计算将被视为一个训练步骤。有没有干净的方法？我是否误解了钩子的作用