Pregunta sobre el código de ejemplo del tren para TensorFlow

Question

Estoy tratando de aprender tensorflow, y pude entender cómo usa el lote en este ejemplo:

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}))

Mi pregunta es por qué obtiene un lote de 50 datos de entrenamiento, pero solo usa el primero para el entrenamiento. Tal vez no entendí el código correctamente.

Answer 1

Si lo entendí correctamente, está preguntando por esta línea de código:

train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})

Aquí solo especifica qué parte de Batch se usa para las características y cuál para su clase predicha.