Question sur le train exemple de code pour tensorflow
-
16-10-2019 - |
Question
Je suis en train d'apprendre tensorflow, et je pouvais comprendre comment il utilise le lot cet exemple :
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}))
Ma question est, pourquoi il obtenir un lot de 50 données de formation, mais seulement utiliser la première pour la formation. Peut-être que je ne comprenais pas le code correctement.
La solution
Si je vous ai bien compris, vous demandez au sujet de cette ligne de code:
train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})
Indiquez ici que la partie du lot est utilisé pour les fonctions et qui pour votre classe prédite.
Licencié sous: CC-BY-SA avec attribution
Non affilié à datascience.stackexchange