我在学习TensorFlow的教程-https://www.tensorflow.org/versions/r0.9/tutorials/mnist/beginners/index.html

import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("MNIST_data/", one_hot=True)x = tf.placeholder(tf.float32, [None, 784])W = tf.Variable(tf.zeros([784, 10]))    #weightsb = tf.Variable(tf.zeros([10]))         #bias   y = tf.nn.softmax(tf.matmul(x, W) + b)y_ = tf.placeholder(tf.float32, [None, 10])cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)init = tf.initialize_all_variables()sess = tf.Session()sess.run(init)for i in range(1000):  batch_xs, batch_ys = mnist.train.next_batch(100)  sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

在代码的最后，我们将测试数据传递给占位符。y_ 是包含真实值的矩阵，而 y 是包含预测值的矩阵。我的问题是，对于测试数据，y 是在什么时候计算的。W 矩阵已经通过反向传播进行了训练。但这个训练后的矩阵必须与新的输入 x（测试数据）相乘才能得到预测值 y。这是在哪里发生的？

通常我看到的代码是顺序执行的，而在最后几行中，y 并没有被显式调用。

回答：

accuracy 依赖于 correct_prediction，而 correct_prediction 依赖于 y。

所以当你调用 sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}) 时，y 会在 accuracy 计算之前被计算。所有这些都在TensorFlow图中发生。

TensorFlow图对于训练和测试是相同的。唯一的区别是你 feeding 给占位符 x 和 y_ 的数据。