Как я могу обучить сеть в TensorFlow с помощью миниатюрных данных? В учебнике Глубоко MNIST, они используют:Обучение миниатюре тензорного потока
for i in range(1000):
batch = mnist.train.next_batch(50)
train_step.run(feed_dict={x: batch[0], y_: batch[1]})
Мой вопрос - это x
и y_
переменных с размерами, подходящими к одному примеру, а batch[0]
, batch[1]
списки таких входов и выходов? в этом случае TensorFlow автоматически добавит градиенты для каждого примера обучения в эти списки? или я должен создать свою модель так, чтобы x
и y_
получили весь мини-бар?
Моя проблема заключается в том, что, когда я пытаюсь кормить его список для каждого заполнителя, он пытается ввести весь список для заполнителя, и поэтому я получаю несоответствие размера: Cannot feed value of shape (n, m) for Tensor u'ts:0', which has shape '(m,)'
, где n
является размером minibatch и m
является индивидуальный размер ввода.
Спасибо.
«Tensorflow обрабатывает это для вас». - но моя функция стоимости по-прежнему должна будет суммироваться по неизвестному числу выборок (которые будут установлены при подаче прогона), правильно? Дело не в том, что я пишу функцию затрат для одного образца, и это каким-то образом расширяет его. – yoki
Да, это правильно. Функция tf.reduce * поможет вам суммировать/усреднить по неизвестному числу образцов – nessuno