TensorFlow：每个会话 运行 是否在图中启动不同批次的数据？
TensorFlow: Does each session run initiate a different batch of data in a graph?
意思是说如果我有如下图表：
images, labels = load_batch(...)
with slim.arg_scope(inception_resnet_v2_arg_scope()):
logits, end_points = inception_resnet_v2(images, num_classes = dataset.num_classes, is_training = True)
predictions = tf.argmax(end_points['Predictions'], 1)
accuracy, accuracy_update = tf.contrib.metrics.streaming_accuracy(predictions, labels)
....
train_op = slim.learning.create_train_op(...)
并且在主管 managed_session 作为 sess 在图形上下文中，我 运行 每隔一段时间就会执行以下操作：
print sess.run(logits)
print sess.run(end_points['Predictions'])
print sess.run(predictions)
print sess.run(labels)
考虑到批量张量实际上必须从 load_batch 开始，他们实际上会在每个会话 运行 中调用不同的批次，然后才能到达 logits、predictions，还是labels？因为现在当我 运行 每个会话时，我都会得到一个非常令人困惑的结果，因为即使预测也不匹配 tf.argmax(end_points['Predictions'], 1)，尽管模型的准确性很高，但我没有得到任何预测远程甚至匹配标签以提供那种高精度。因此我怀疑 sess.run 的每个结果可能来自不同批次的数据。
这让我想到了我的下一个问题：当来自 load_batch 的批次一直到 train_op 时，是否有一种方法可以检查图表不同部分的结果，其中sess.run 实际上是 运行？换句话说，有没有办法在不调用另一个 sess.run 的情况下做我想做的事？
此外，如果我以这种方式使用sess.run检查结果，是否会影响我的训练，因为某些批次的数据将被跳过而达不到train_op？
我意识到 运行ning 使用单独的 sess.run 存在一个问题，因为加载的数据总是不同的。相反，当我做类似的事情时：
logits, probabilities, predictions, labels = sess.run([logits, probabilities, predictions, labels])
print 'logits: \n', logits
print 'Probabilities: \n', probabilities
print 'predictions: \n', predictions
print 'Labels:\n:', labels
所有数量都符合我的预期。我也曾尝试使用 tf.Print 编写如下内容：
logits = tf.Print(logits, [logits], message = 'logits: \n', summarize = 100)
在定义 logits 后立即，以便它们可以在我 运行 train_op 的同一会话中打印。但是，打印相当混乱，所以我更喜欢第一种方法 运行 在会话中设置所有内容以首先获取值，然后像 numpy 数组一样正常打印它们。
意思是说如果我有如下图表：
images, labels = load_batch(...)
with slim.arg_scope(inception_resnet_v2_arg_scope()):
logits, end_points = inception_resnet_v2(images, num_classes = dataset.num_classes, is_training = True)
predictions = tf.argmax(end_points['Predictions'], 1)
accuracy, accuracy_update = tf.contrib.metrics.streaming_accuracy(predictions, labels)
....
train_op = slim.learning.create_train_op(...)
并且在主管 managed_session 作为 sess 在图形上下文中，我 运行 每隔一段时间就会执行以下操作：
print sess.run(logits)
print sess.run(end_points['Predictions'])
print sess.run(predictions)
print sess.run(labels)
考虑到批量张量实际上必须从 load_batch 开始，他们实际上会在每个会话 运行 中调用不同的批次，然后才能到达 logits、predictions，还是labels？因为现在当我 运行 每个会话时，我都会得到一个非常令人困惑的结果，因为即使预测也不匹配 tf.argmax(end_points['Predictions'], 1)，尽管模型的准确性很高，但我没有得到任何预测远程甚至匹配标签以提供那种高精度。因此我怀疑 sess.run 的每个结果可能来自不同批次的数据。
这让我想到了我的下一个问题：当来自 load_batch 的批次一直到 train_op 时，是否有一种方法可以检查图表不同部分的结果，其中sess.run 实际上是 运行？换句话说，有没有办法在不调用另一个 sess.run 的情况下做我想做的事？
此外，如果我以这种方式使用sess.run检查结果，是否会影响我的训练，因为某些批次的数据将被跳过而达不到train_op？
我意识到 运行ning 使用单独的 sess.run 存在一个问题，因为加载的数据总是不同的。相反，当我做类似的事情时：
logits, probabilities, predictions, labels = sess.run([logits, probabilities, predictions, labels])
print 'logits: \n', logits
print 'Probabilities: \n', probabilities
print 'predictions: \n', predictions
print 'Labels:\n:', labels
所有数量都符合我的预期。我也曾尝试使用 tf.Print 编写如下内容：
logits = tf.Print(logits, [logits], message = 'logits: \n', summarize = 100)
在定义 logits 后立即，以便它们可以在我 运行 train_op 的同一会话中打印。但是，打印相当混乱，所以我更喜欢第一种方法 运行 在会话中设置所有内容以首先获取值，然后像 numpy 数组一样正常打印它们。