带有Tensorflow实验的批处理Seq2Seq模型

我正在尝试使用和将我在本地运行的转换为使用Tensorflow分发功能。基本特征和目标设置如下：

for every input and response (translation or prompt and response):
  raw input -> tokenized input -> tokenized response -> raw response

注:

• 特征将有一个形状[桶数][桶数输入@桶大小][输入桶大小]
• 目标将有一个形状[桶数][响应数@桶大小][响应桶大小]

有几个问题：

一般来说，是否建议使用实验类和估计器接口来处理此类模型

我可以用实验设置训练批量大小吗？似乎

train_步骤

和

eval_步骤

与培训和评估的迭代相关。是否有其他选项为这些步骤设置批次大小，或者实验是否在内部/自动计算批次大小

我假设实验

train\u input\u fn

和

eval\u input\u fn

可以是任何返回特征字典和目标张量的函数。在上面的例子中，我只需要一个特征张量和一个目标张量，因为我正在创建一个自定义估计器，它可以是任何形状，只要我的估计器的

model_fn

期望这些形状，并且可以正确地从中返回损失。这是正确的吗

似乎列车图和推断图是不同的。即使是在训练时导出图形，也不能使用该图形进行推理。如果我错了，请纠正我。似乎列车图和推断图是不同的。即使是在训练时导出图形，也不能使用该图形进行推理。如果我错了，请纠正我。