题
我正在尝试学习TensorFlow,并且我可以理解它如何使用 批 在 这个 例子:
cross_entropy = -tf.reduce_sum(y_*tf.log(y_conv))
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
sess.run(tf.initialize_all_variables())
for i in range(20000):
batch = mnist.train.next_batch(50)
if i%100 == 0:
train_accuracy = accuracy.eval(feed_dict={
x:batch[0], y_: batch[1], keep_prob: 1.0})
print("step %d, training accuracy %g"%(i, train_accuracy))
train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})
print("test accuracy %g"%accuracy.eval(feed_dict={
x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))
我的问题是,为什么它会得到一批50个培训数据,而仅使用第一个进行培训。也许我不正确理解代码。
解决方案
如果我正确理解您,您正在询问此代码线:
train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})
在这里,您仅指定批处理的哪一部分用于功能以及哪些部分用于您的预测类。