Python 使用高级API tf.contrib.learn.DNNClassifier时,Tensorflow批次大小是多少
我已经编码了上面的源代码 如您所见,我没有为Python 使用高级API tf.contrib.learn.DNNClassifier时,Tensorflow批次大小是多少,python,neural-network,tensorflow,deep-learning,Python,Neural Network,Tensorflow,Deep Learning,我已经编码了上面的源代码 如您所见,我没有为batch\u size添加参数,我可以将该参数添加到classifier.fi() 我试着执行这段代码,它似乎在循环,没有批量大小。 我的意思是,它看起来像是使用完整大小的数据而不是小批量的数据进行训练 这是真的吗 我想知道批量大小的默认设置是什么 提前谢谢。很抱歉,我应该在发布之前查看源代码 def binaryClassify_DNN(units,steps,trainingFilePath,testingFilePath,modelPath):
batch\u size
添加参数,我可以将该参数添加到classifier.fi()
我试着执行这段代码,它似乎在循环,没有批量大小。
我的意思是,它看起来像是使用完整大小的数据而不是小批量的数据进行训练
这是真的吗
我想知道批量大小的默认设置是什么
提前谢谢。很抱歉,我应该在发布之前查看源代码
def binaryClassify_DNN(units,steps,trainingFilePath,testingFilePath,modelPath):
# Data sets
# Load datasets.
training_set = tf.contrib.learn.datasets.base.load_csv(filename=trainingFilePath,target_dtype=np.float)
test_set = tf.contrib.learn.datasets.base.load_csv(filename=testingFilePath,target_dtype=np.float)
# Build 3 layer DNN with 10, 20, 10 units respectively.
classifier = tf.contrib.learn.DNNClassifier(hidden_units=units,n_classes=2,model_dir=modelPath,optimizer=tf.train.ProximalAdagradOptimizer(learning_rate=0.1))
# Fit model.
classifier.fit(x=training_set.data,
y=training_set.target,
steps=steps)
# Evaluate accuracy.
accuracy_score = classifier.evaluate(x=test_set.data,
y=test_set.target)["accuracy"]
print('Accuracy: {0:f}'.format(accuracy_score))
如您所见,默认的批处理大小是“x”的第一个维度很抱歉,我应该在发布之前查看源代码
def binaryClassify_DNN(units,steps,trainingFilePath,testingFilePath,modelPath):
# Data sets
# Load datasets.
training_set = tf.contrib.learn.datasets.base.load_csv(filename=trainingFilePath,target_dtype=np.float)
test_set = tf.contrib.learn.datasets.base.load_csv(filename=testingFilePath,target_dtype=np.float)
# Build 3 layer DNN with 10, 20, 10 units respectively.
classifier = tf.contrib.learn.DNNClassifier(hidden_units=units,n_classes=2,model_dir=modelPath,optimizer=tf.train.ProximalAdagradOptimizer(learning_rate=0.1))
# Fit model.
classifier.fit(x=training_set.data,
y=training_set.target,
steps=steps)
# Evaluate accuracy.
accuracy_score = classifier.evaluate(x=test_set.data,
y=test_set.target)["accuracy"]
print('Accuracy: {0:f}'.format(accuracy_score))
如您所见,默认批次大小是“x”的第一个维度如果您没有设置它,那么它是x的第一个维度,但是您可以使用参数设置它并使用它如果您没有设置它,那么它是x的第一个维度,但是您可以使用参数设置它并使用它