Tensorflow多个会话。在同一迭代中运行()

以下是Tensorflow NN训练部分的两种代码模式。

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。我觉得模式2是错误的。对于相同的数据,模型会在会话中为每次迭代运行两次图吗?有没有我遗漏了什么,人们会因为其他原因而这样做?

模式1

for epoch in range(epochs):
    for iteration in range(num_tr_iter):
        _, loss, accuracy = sess.run([optimizer, loss, accuracy], feed_dict)

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)

为了更清楚,我将问题扩大

如果下面的sess.run()执行optimizer节点,它将执行其所有依赖节点。它还将运行基础convnet和loss函数。

    sess.run(optimizer, feed_dict)

接下来,如果下面的sess.run()执行loss节点,为什么不使用当前权重执行convnet呢。我不是在推断它会再次运行优化。即使要计算当前损耗,tensorflow是否会执行convnet并计算损耗?

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