python-3.x - TensorFlow:dataset.train.next_batch 是如何定义的？

Question

我正在尝试学习 TensorFlow 并在以下位置学习示例:https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/autoencoder.ipynb

然后我在下面的代码中有一些问题:

for epoch in range(training_epochs):
    # Loop over all batches
    for i in range(total_batch):
        batch_xs, batch_ys = mnist.train.next_batch(batch_size)
        # Run optimization op (backprop) and cost op (to get loss value)
        _, c = sess.run([optimizer, cost], feed_dict={X: batch_xs})
    # Display logs per epoch step
    if epoch % display_step == 0:
        print("Epoch:", '%04d' % (epoch+1),
              "cost=", "{:.9f}".format(c))

由于 mnist 只是一个数据集， mnist.train.next_batch 到底是什么？意思是？ dataset.train.next_batch 怎么样？定义？

谢谢!

Answer 1

mnist对象从 read_data_sets() function 返回在 tf.contrib.learn 中定义模块。 mnist.train.next_batch(batch_size)方法实现here ，它返回两个数组的元组，其中第一个表示一批 batch_size MNIST 图像，第二个代表一批 batch-size对应于这些图像的标签。

图像以大小为 [batch_size, 784] 的二维 NumPy 数组形式返回。 (因为 MNIST 图像中有 784 个像素)，并且标签作为大小为 [batch_size] 的一维 NumPy 数组返回。 (如果 read_data_sets() 是用 one_hot=False 调用的)或大小为 [batch_size, 10] 的二维 NumPy 数组(如果 read_data_sets() 是用 one_hot=True 调用的)。