MNIST集合包含60000個用於訓練集的圖像。在訓練我的Tensorflow時,我想運行訓練步驟來訓練整個訓練集的模型。 Tensorflow網站上的深度學習示例使用20000次迭代,批量大小爲50(總計爲1,000,000批次)。當我嘗試超過30,000次迭代時,我的數字預測失敗(預測所有手寫數字爲0)。我的問題是,我應該使用多少次迭代,批量大小爲50來訓練整個MNIST集的張量流模型?用整個MNIST數據集(60000圖像)訓練張量流所需的迭代次數?
self.mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
for i in range(FLAGS.training_steps):
batch = self.mnist.train.next_batch(50)
self.train_step.run(feed_dict={self.x: batch[0], self.y_: batch[1], self.keep_prob: 0.5})
if (i+1)%1000 == 0:
saver.save(self.sess, FLAGS.checkpoint_dir + 'model.ckpt', global_step = i)
我想我會做到這一點。可能在每1000次迭代中,我會盡量準確。如果在某個時候,積分下降到0,我應該停止在那裏下雨。 – Swapnil