TensorFlow：为什么即使我在同一个地方运行了两次代码，但没有更新任何参数？；

我在mnist_interference.py中建立了一个CNN模型，我想每100步计算一次精度。但我发现它不能正常工作。经过长时间的调试，当我计算y的值时，我发现结果正在改变。起初，我认为这是因为当我计算y时，参数是自动更新的。但是没有！我发现参数没有改变。 那么我如何计算我的模型的准确性呢？ 这是我的代码：

这行代码

y=mnist\u推理。推理（x，真，正则化）

创建带有辍学的模型：

def推断（输入张量、序列、正则化器）：
#代码片段
使用tf.variable_scope（'layer5-fc1'）：
fc1_weights=tf.get_变量（“权重”，[nodes，FC_SIZE]，
初始值设定项=tf.截断的\u正常\u初始值设定项（stddev=0.1））
如果正则化器！=无：
tf.将_添加到_集合（“损失”，正则化器（fc1_权重））
fc1_biases=tf.get_变量（'bias'，[FC_SIZE]，初始值设定项=tf.constant_初始值设定项（0.1））
fc1=tf.nn.relu（tf.matmul（重塑，fc1_权重）+fc1_偏差）
#允许辍学！
如果列车：
fc1=tf.nn.辍学率（fc1，0.5）

因此，您启用了辍学，这将导致您观察到的随机性

在计算精度时，需要禁用退出。较高级别有相应的参数（可以是张量）。

这行代码

y=mnist\u推理。推理（x，真，正则化）

创建带有辍学的模型：

def推断（输入张量、序列、正则化器）：
#代码片段
使用tf.variable_scope（'layer5-fc1'）：
fc1_weights=tf.get_变量（“权重”，[nodes，FC_SIZE]，
初始值设定项=tf.截断的\u正常\u初始值设定项（stddev=0.1））
如果正则化器！=无：
tf.将_添加到_集合（“损失”，正则化器（fc1_权重））
fc1_biases=tf.get_变量（'bias'，[FC_SIZE]，初始值设定项=tf.constant_初始值设定项（0.1））
fc1=tf.nn.relu（tf.matmul（重塑，fc1_权重）+fc1_偏差）
#允许辍学！
如果列车：
fc1=tf.nn.辍学率（fc1，0.5）

因此，您启用了辍学，这将导致您观察到的随机性

---

在计算精度时，需要禁用退出。更高的级别有相应的参数（可以是张量）。

我试图自己解决这个问题，但我陷入了这个问题。有人能告诉我怎么解决这个问题吗？提前谢谢！ヾ(´—`)ﾉ我试图自己解决这个问题，但我陷入了这个问题。有人能告诉我怎么解决这个问题吗？提前谢谢！ヾ(´—`)ﾉ当我看到辍学者时，我明白了。谢谢！（づ￣3.￣）づ╭❤～我只检查了我的“火车”部件代码，完全忘记了dorpouts。再次感谢！我赢得了15个声誉，向您表示感谢^ ^我很高兴。这是我应该做的。当我看到辍学者时，我理解。非常感谢(づ￣3.￣）づ╭❤～我只检查了我的“火车”零件代码，完全忘记了dorpouts。再次感谢！我赢得了15个声誉，向您表示感谢^ ^我的荣幸。这是我应该做的。