TensorFlow以什么顺序计算计算图中的节点？

我在TensorFlow中遇到了一个奇怪的错误。考虑下面的代码，简单前馈神经网络的一部分：

output = (tf.matmul(layer_3,w_out) + b_out)
prob = tf.nn.sigmoid(output);
loss = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits = output, targets = y_, name=None))
optimizer = tf.train.GradientDescentOptimizer(learning_rate = learning_rate).minimize(loss, var_list = model_variables)`

（请注意，prob不是用来定义损失函数的。这是因为sigmoid_cross_熵在其定义中内部应用了sigmoid） 稍后，我将在以下行中运行优化器：

result,step_loss,_ = sess.run(fetches = [output,loss,optimizer],feed_dict = {x_ : np.array([[x,y,x*x,y*y,x*y]]), y_ : [[1,0]]});

上面的方法很好用。但是，如果我改为运行下面的代码行，网络的性能似乎很差，即使没有任何区别

result,step_loss,_ = sess.run(fetches = [prob,loss,optimizer],feed_dict = {x_ : np.array([[x,y,x*x,y*y,x*y]]), y_ : [[1,0]]});

---

我觉得这与TF在会话期间计算图中节点的顺序有关，但我不确定。问题可能是什么？

这不是图表的问题，只是你在看不同的东西

在第一个示例中，您提供：

result，step\u loss，\uu=sess.run（fetches=[output，loss，optimizer]，feed\u dict={x:np.array（[[x，y，x*x，y*y，x*y]]），y:[[1,0]}

您正在将运行

output

op的结果保存在

result

python变量中

在第二个例子中：

result，step\u loss，\uu=sess.run（fetches=[prob，loss，optimizer]，feed\u dict={x:np.array（[[x，y，x*x，y*y，x*y]]），y:[[1,0]}

您正在将

prob

op的结果保存在

result

python变量中

由于两个操作都不同，因此可以预期它们返回的值会不同

你可以跑

logits，activation，step\u loss，sess.run（fetches=[output，prob，loss，optimizer]，…）

---

检查您的结果。

问题是，当我针对测试集运行时，我根本不使用prob。事实上，我使用以下方法进行测试：

result=sess.run（fetches=output，feed\u dict={x\:[[x\，Y\，x\*x\，Y\*Y\]，x\*Y\]]测试时，我不会在任何地方使用prob。然而，在训练期间用prob替换fetch中的输出会导致测试阶段表现不佳。