我指的是tensorflow给出的Deep MNIST for Experts教程 。我在该教程的“ 训练和评估”部分遇到问题。在那里，他们给出了一个示例代码，如下所示。

cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y_conv),reduction_indices=[1]))
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
sess.run(tf.initialize_all_variables())
for i in range(20000):
  batch = mnist.train.next_batch(50)
  if i%100 == 0:
    train_accuracy = accuracy.eval(feed_dict={x:batch[0], y_: batch[1], keep_prob: 1.0})
    print("step %d, training accuracy %g"%(i, train_accuracy))
  train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})

print("test accuracy %g"%accuracy.eval(feed_dict={x: mnist.test.images,
                       y_: mnist.test.labels, keep_prob: 1.0}))

因此，在这些代码段中，他们一次使用了accuracy.eval() 。以及其他时间train_step.run() 。据我所知，它们都是张量变量。

在某些情况下，我看到

sess.run(variable, feed_dict)

所以我的问题是这三种实现之间的区别是什么。而且我怎么知道什么时候使用..？

谢谢！！