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Python 培训批次:哪种Tensorflow方法是正确的?,python,tensorflow,machine-learning,neural-network,Python,Tensorflow,Machine Learning,Neural Network,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
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。