我正在尝试使用 TensorFlow 的估算器。在documentation以下代码用于训练和评估网络。
# Fit
nn.fit(x=training_set.data, y=training_set.target, steps=5000)
# Score accuracy
ev = nn.evaluate(x=test_set.data, y=test_set.target, steps=1)
loss_score = ev["loss"]
print("Loss: %s" % loss_score)
整个训练集都传入了，但是我们有steps=5000。这是否意味着只考虑集合中的前 5000 个示例？
在此上下文中，batch_size 参数是什么意思，它如何与steps 交互？
谢谢!
最佳答案
batch_size 是一次处理的示例数。 TF 通过一次前向传播(并行)插入所有这些，然后在同一组上进行反向传播。这是一个迭代，或步骤。
steps 参数告诉 TF 运行 5000 次这样的迭代来训练模型。
一个 epoch 对训练集中的每个示例只处理一次。例如，如果您有 100 万个样本，批量大小为 200，那么一个时期需要 5000 步:200 * 5.000 = 1.000.000
这是否澄清了术语？
关于python - TensorFlow Estimators 中的 'batches' 和 'steps' 是什么？它们与 epoch 有何不同？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/42124395/