在tensorflow.org的初学者 - mnist教程中，他们用1000步，100个例子进行训练。哪个不仅仅是包含55,000分的训练集？在expert-mnist教程中，他们训练了20000步，50个例子。
我认为培训步骤已经完成，因此每个培训步骤都可以使打印输出产生的损失或/和准确度，而无需等到结束或处理。
但是，也可以简单地通过train_operation在1步中管理所有示例，然后查看结果，或者不可能？
答案 0 :(得分：2)
每次迭代对整个数据集的训练称为批量梯度下降。小型飞机训练（例如每次100个样本）称为随机梯度下降。您可以在交叉验证的this question中阅读有关这两者的更多信息以及选择更大或更小批量的原因。
批量梯度下降通常是不可行的，因为它需要太多的RAM。即使您拥有计算资源，每次迭代也将花费更长的时间，并且权衡往往是不值得的。
也就是说，批量大小是一个超参数，您可以使用它来找到效果很好的值。