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Estimators。在documentation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)

传入整个训练集，但我们有steps=5000。这是否意味着只考虑集合中的前5000个示例？

batch_size参数在此上下文中的含义是什么，以及它如何与steps互动？

谢谢！

Answer 1

batch_size 是一次处理的示例数。 TF通过一个正向通道（并行）推动所有这些通过并在同一组上进行反向传播。这是一个迭代或步骤。

步骤参数告诉TF运行5000次迭代来训练模型。

一个纪元正在对训练集中的每个示例进行一次处理。例如，如果您有一百万个示例且批量大小为200，那么您需要5000步到一个时期：200 * 5.000 = 1.000.000

这会清除术语吗？