Python 培训批次：哪种Tensorflow方法是正确的？

我正在尝试训练一个非常简单的神经网络来对数据样本进行分类，其中一些类必然继承其他类——这就是我决定让输入数据成批进入网络的原因。使用Tensorflow，显然可以使用多种方式声明批，如

tf.data.Dataset.batch

（我目前使用Adam优化器进行训练）和

tf.train.batch

。区别在哪里？这些方法应该一起使用还是相互排斥？在后一种情况下：我应该选择哪一种

tf.train.*

是一个较旧的API，比

tf.data.*

更复杂，更容易出错（您需要注意队列、线程运行器、协调器等）。对于您指定的目的（批处理数据并将其提供给模型），两者在功能上是等效的，因为两者都可以实现您的目标。但是，您应该考虑使用<代码> TF.DATA < /C> >这是使用更简单和处理输入数据集。