В тензорном потоке, как перечислить тренировочные данные (по сравнению с pytorch)

Question

В pytorch я так перечисляю тренировочные данные.

for epoch in range(0, args.epoches):
    for i, batch in enumerate(train_data):
        model.update(batch)

train_data содержит несколько batch es, и пакеты перечисляются и обновляются в модели, что мне очень ясно.

---

Я думаю, что это базовый пример того, как тензор потока обрабатывает партии.

for step in range(num_steps):
    batch_data, batch_labels = generate_batch(batch_size, num_skips, skip_window)
    feed_dict = {train_dataset : batch_data, train_labels : batch_labels}
    _, l = session.run([optimizer, loss], feed_dict=feed_dict)

Может быть, это очень очевидный вопрос, но мне не ясно, как перечислять тренировочные партииобрабатывается session.run в тензорном потоке.Я не могу найти, что партии зацикливаются в коде.Все, что я вижу, это feed_dict, и я предполагаю, что он обрабатывает циклы.

Может кто-нибудь пролить свет на это?

Answer 1

TensorFlow имеет объект History для этой цели.Вы получаете объект History в качестве возврата от метода model.fit().

Объект History и его атрибут History.history представляют собой запись значений потерь обучения и значений метрик в последовательных эпохах, а такжезначения потерь проверки и значения метрик проверки (если применимо).

Надеюсь, это то, что вам нужно.