Question

如何使用小型数据在TensorFlow中训练网络？在Deep-MNIST教程中，他们使用：

for i in range(1000):
   batch = mnist.train.next_batch(50)
   train_step.run(feed_dict={x: batch[0], y_: batch[1]})

我的问题是 - x和y_变量的维度是否适合单个示例，而batch[0]，batch[1]是此类输入和输出的列表？在这种情况下，TensorFlow会自动为这些列表中的每个训练示例添加渐变吗？或者我应该创建我的模型，以便x和y_获得整个小批量？

我的问题是，当我尝试为每个占位符提供一个列表时，它会尝试输入占位符的整个列表，因此我得到的大小不匹配：Cannot feed value of shape (n, m) for Tensor u'ts:0', which has shape '(m,)'，其中n是小批量大小，m是个人输入大小。

感谢。

Answer 1

在MNIST教程中，x和y_是具有已定义形状的占位符：

x = tf.placeholder(tf.float32, shape=[None, 784])
y_ = tf.placeholder(tf.float32, shape=[None, 10])

shape=[None, 784]表示此占位符具有2维。

所以，回答你的第一个问题：

是x和y_变量，其尺寸适合单个示例

第一个维度可以包含未定义数量的元素（因此，1,2，... 50 ...），第二个维度可以包含784 = 28 * 28个元素（这是单个MNIST的特征）图像）。

如果你使用形状为[1,784]或[50,784]的python列表为tensorflow提供完全相同的图形，它可以毫无问题地处理它。

批次[0]，批次[1]是这些输入和输出的列表？在教程中，他们定义批量调用batch = datasets.train.next_batch(50)。因此：

batch [0]是具有形状[50,784]
batch [1]是具有形状[50,10]

TensorFlow会自动为这些列表中的每个训练示例添加渐变吗？或者我应该创建我的模型，以便x和y_得到一个完整的小批量？

Tensorflow会为您处理此事。

您报告的错误Cannot feed value of shape (n, m) for Tensor u'ts:0', which has shape '(m,)' 是形状不匹配错误。

您不是要重新整形输入以使其具有相同的占位符形状。

Tensorflow minibatch培训

1 个答案: