Tensorflow 多次 session.run() 在同一次迭代中

Question

以下是 Tensorflow NN 训练部分的 2 个代码模式。

我发现使用模型 1 是合乎逻辑的。但我经常在多个地方看到模型 2。我觉得 Model 2 是错误的。对于相同数据的每次迭代，模型不会在会话中运行两次图形吗？是否有我遗漏的东西，人们出于任何其他原因而这样做？

模型 1

for epoch in range(epochs):

    for iteration in range(num_tr_iter):

        _, loss, accuracy = sess.run([optimizer, loss, accuracy], feed_dict)

型号 2

for epoch in range(epochs):

    for iteration in range(num_tr_iter):

        sess.run(optimizer, feed_dict)

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

编辑：为了更清楚，正在扩大问题

如果下面的 sess.run() 执行优化器节点，它将执行其所有依赖节点。它还将运行底层的 convnet 和损失函数。

    sess.run(optimizer, feed_dict)

接下来，如果下面的 sess.run() 执行损失节点，为什么它不使用当前权重执行 convnet。我不是在推断它会再次运行优化。即使达到当前的损失，tensorflow 不会执行 convnet 并计算损失吗？

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

Answer 1

在模型 2 中，第一行代码在模型上运行优化器，第二行计算损失和准确率。它没有运行图形两次。模型 1 和模型 2 基本相同，但为了简洁起见，要点归于模型 1。