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Tensorflow 如何使用tf.learn中的输入进行批量培训?,tensorflow,Tensorflow,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,
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")