Вопрос

Я пытаюсь выучить TensorFlow, и я мог понять, как он использует партия в это пример:

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}))

Мой вопрос: почему он получает партию из 50 учебных данных, но используйте только первый для обучения. Может быть, я не понял код правильно.

Это было полезно?

Решение

Если я правильно вас понял, вы спрашиваете об этой строке кода:

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

Здесь вы только указываете, какая часть партии используется для функций, а какая для вашего прогнозируемого класса.

Лицензировано под: CC-BY-SA с атрибуция
Не связан с datascience.stackexchange
scroll top