tensorflow中sess.run训练和预测传入的参数有何不同？代码怎么写？

TensorFlow中`sess.run()`在训练和预测时传入的参数有所不同。在训练时，通常需要传入训练数据、目标值和训练模型所需要的参数，如优化器、学习率等。在预测时，通常只需要传入测试数据和预测模型所需要的参数。

示例代码：

# 训练
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    for i in range(num_steps):
        # 获取训练数据和目标值
        x_batch, y_batch = get_next_batch()
        # 传入训练数据和目标值以及训练模型所需要的参数进行训练
        sess.run(train_op, feed_dict={x: x_batch, y: y_batch, learning_rate: 0.01})

# 预测
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    # 获取测试数据
    x_test = get_test_data()
    # 传入测试数据和预测模型所需要的参数进行预测
    predictions = sess.run(prediction, feed_dict={x: x_test})

其中 `train_op` 是训练操作，`x`、`y`、`learning_rate` 是训练所需的数据和模型参数，`prediction`是预测结果。