Tensorflow 如何使用tf.learn中的输入进行批量培训？

如果我这样做，它每10步就批量生产50000个样品

model_dir = "no_regulation"
print(model_dir)
m = tf.contrib.learn.LinearClassifier(
    feature_columns=feature_columns,
    optimizer=tf.train.FtrlOptimizer(
      learning_rate=3,
      l1_regularization_strength=0,
      l2_regularization_strength=0),
    n_classes = n_classes,
    model_dir=model_dir)

def train_input_fn():
  print("Here!")
  return input_fn(train.sample(50000), label_column = "course_index", categorical_columns = CATEGORICAL_COLUMNS)

---

这合理吗？如果我使用m.fit（input\u fn=train\u input\u fn，steps=1），每次fit调用都会创建一个检查点，这会大大降低训练速度。我应该禁用检查点吗？如果是，怎么做

我发现的一种方法是使用

m.partial_fit

而不是

fit

<代码>部分匹配不会触发检查点保存OK

看来，

评估

确实如此

for i in range(40):
    for j in range(20):
        m.fit(input_fn=train_input_fn, steps = 10)
    m.evaluate(input_fn=eval_input_fn1, steps = 1, name="test1")
    m.evaluate(input_fn=eval_input_fn2, steps = 1, name="test2")