TensorFlow Estimators 中的“批次”和“步骤”是什么？它们与时代有何不同？

Question

我正在尝试使用 TensorFlow 的估算器。在文档中，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？

batch_size参数在这种情况下是什么意思，它如何与 交互steps？

谢谢！

Answer 1

batch_size是一次处理的示例数。TF 通过一次前向传递（并行）推动所有这些，然后在同一组上进行反向传播。这是一次迭代或步骤。

该步骤参数告诉TF运行这些迭代的5000训练模型。

一个时期是对训练集中的每个样本只处理一次。例如，如果您有 100 万个示例和 200 个批次，那么您需要 5000 步到一个时期：200 * 5.000 = 1.000.000

这是否澄清了术语？