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,做这些 “步骤= 1000” 和 “num_epochs = 1000” 的意思是完全一样的东西?如果是,为什么需要重复?如果没有,我可以设置这两个参数不同吗?时代和训练步骤是否一样?
顺便说一句,在我的例子中,我可以更改步骤从“500”到“1000”?我的理解不是,因为所有数据点由于批量大小=“4”而在一个步骤中使用。如果是这种情况,为什么我应该指定“steps”参数?它不应该总是通过“(数据点数/批量大小)*时代”自动计算吗? – user697911