我已经implemented一个基本的1隐藏层NN来标识来自MNIST数据集的一部分的数字（这是根据Coursera ML课程改编的）。它使用矩阵和共轭梯度（fmincg）优化来实现。
此外，我同时实现了Keras implementation和普通TF implementation。
在手动实现中，有50次迭代（或时期），但由于我使用的是整个批次，因此每个时期的大小为1）。
现在，我注意到，手动实现需要花费一些时间来计算，但是经过50次迭代后，我得到了很好的结果。
另一方面，Keras和TF花费的时间较少，但是如果我使用整个批次给我相同的结果，则需要大约500-1000次迭代。 （尽管使用50个纪元，每个处理32个大小的迷你批处理似乎也很好）
因此，我想知道手册的含义如何。融合更好？为何迭代次数相同（50），却要花更长的时间？