我正在尝试理解Tensorflow调试器tfdbg的工作原理：

with sv.managed_session(config=config_proto) as session:    session = tf_debug.LocalCLIDebugWrapperSession(session)    for i in range(config.max_epoch):        session.run(model.lr)

当调试器启动时，它会呈现以下窗口：

我在阅读文档和观看YouTube上的一个小教程后，仍然无法理解“run”和“step”命令实际代表什么，更重要的是，它们与神经网络训练的时间步长和轮次（epochs）有什么关系？

根据文档：

“run”命令会使tfdbg执行到下一个Session.run()调用结束，该调用使用测试数据集计算模型的准确性。

但Session.run只是：

… TensorFlow计算的一个“步骤”，通过运行必要的图形片段来执行fetches中的每个操作并评估每个张量，使用feed_dict中的值替代相应的输入值。

我对TensorFlow还比较新，对如何在神经网络步骤和轮次的术语中解释“run”仍不理解。这当然使得使用tfdbg变得困难，因为在几次“run”之后，我得到了大约5000行的杂项张量和操作，我需要在其中搜索，而我不知道我在看的是一个时间步骤还是一个轮次的结果。在开发神经网络模型时，我们不会以会话运行的术语来思考，对吗？

那么，一个轮次中有多少次会话“run”，这样我至少可以找到进入损失操作的张量？

回答：

在大多数TensorFlow模型中，一个session.run调用会处理一批训练数据。每轮次中有多少个小批次取决于你所使用的具体模型和数据集。