features = [tf.contrib.layers.real_valued_column("x", dimension=1)]
estimator = tf.contrib.learn.LinearRegressor(feature_columns=features)
y = np.array([0., -1., -2., -3.])
input_fn = tf.contrib.learn.io.numpy_input_fn({"x":x}, y, batch_size=4,
num_epochs=1000)
estimator.fit(input_fn=input_fn, steps=1000)
例如,做這些 「步驟= 1000」 和 「num_epochs = 1000」 的意思是完全一樣的東西?如果是,爲什麼需要重複?如果沒有,我可以設置這兩個參數不同嗎?時代和訓練步驟是否一樣?
順便說一句,在我的例子中,我可以更改步驟從「500」到「1000」?我的理解不是,因爲所有數據點由於批量大小=「4」而在一個步驟中使用。如果是這種情況,爲什麼我應該指定「steps」參數?它不應該總是通過「(數據點數/批量大小)*時代」自動計算嗎? – user697911