python - num_epochs 和 steps 有什么区别？

Question

tensorflow中的入门代码:

import tensorflow as tf
import numpy as np

features = [tf.contrib.layers.real_valued_column("x", dimension=1)]
estimator = tf.contrib.learn.LinearRegressor(feature_columns=features)
x = np.array([1., 2., 3., 4.])
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)
estimator.evaluate(input_fn=input_fn)

我知道 batch_size 是什么意思，但是当只有 4 个训练样例时，num_epochs 和 steps 分别是什么意思？

Answer 1

一个纪元意味着使用您拥有的全部数据。

一步意味着使用单个批处理数据。

因此，n_steps = 单个时期的数据数量//batch_size。

根据 https://www.tensorflow.org/api_docs/python/tf/contrib/learn/Trainable ,

• steps:训练模型的步数。如果没有，则永远训练。 “步骤”以增量方式工作。如果您调用两次 fit(steps=10)，则训练总共进行 20 步。如果您不希望有增量行为，请改为设置 max_steps。如果设置，max_steps 必须为 None。

• batch_size:用于输入的小批量大小，默认为 x 的第一个维度。如果提供了 input_fn，则必须为 None。