Python 3.x TensorFlow:dataset.train.next\u批次是如何定义的？

我正在尝试学习TensorFlow，并在以下位置学习示例：

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))

既然mnist只是一个数据集，

mnist.train.next\u batch

的确切含义是什么？如何定义数据集.train.next_批

---

谢谢

从

tf.contrib.learn

模块中定义的返回

mnist

对象。实现了

mnist.train.next\u batch（batch\u size）

方法，它返回两个数组的元组，其中第一个数组表示一批

batch\u size

mnist图像，第二个数组表示与这些图像对应的一批

batch size

标签

图像作为大小为

[batch\u size，784]

的二维NumPy数组返回（因为MNIST图像中有784个像素），标签作为大小为

[batch\u size]

的一维NumPy数组返回（如果使用

one\u hot=False

调用了

读取数据集（）

）或大小为

的二维NumPy数组返回[batch\u size，10]

（如果使用

one\u hot=True

调用

read\u data\u sets（）

）。

值得一提的是，在每个历元遍历所有示例后，会重新排列这些示例。您可以通过

数据集跟踪您在历元中的位置。\u历元中的索引（如
mnist.train\u历元中的索引）