来自CSDN，有两个问题不太明白，但不知为何无法发表评论。
1， 传入网络的时候，是应该用feed_dict模式（先使用val, l = sess.run([img_batch,
label_batch])获取数据），还是把img_batch直接定义为tensor？第二种情况是不是要定义两个computation
graph？
2，怎么知道数据已经全部训练一轮（即一个epoch）？因为我想单独计算每一个training
epoch的准确率和平均loss。当我设置
tf.train.string_input_producer([filename]，num_epochs=10)时，即使设置
allow_smaller_final_batch=True' 如果训练集数目不能被batch整除，tf.train.shuffle_batch`会接连不断的返回固定长度的batch，直到队列结束
（epoch=10）
来自CSDN，有两个问题不太明白，但不知为何无法发表评论。
1， 传入网络的时候，是应该用
feed_dict模式（先使用val, l = sess.run([img_batch,label_batch])获取数据），还是把
img_batch直接定义为tensor？第二种情况是不是要定义两个computationgraph？
2，怎么知道数据已经全部训练一轮（即一个epoch）？因为我想单独计算每一个training
epoch的准确率和平均loss。当我设置
tf.train.string_input_producer([filename]，num_epochs=10)时，即使设置allow_smaller_final_batch=True' 如果训练集数目不能被batch整除，tf.train.shuffle_batch`会接连不断的返回固定长度的batch，直到队列结束（epoch=10）