Tensorflow 为什么在求值函数中添加num_epochs

我是tensorflow的新手，这是第一个教程，下面给出了代码。我的问题是为什么

train\u input\u fn

和

eval\u input\u fn

变量是使用num\u epochs属性创建的。它们只用于评估，所以我认为没有必要运行相同的测试10000次

谢谢

将tensorflow导入为tf
#NumPy通常用于加载、操作和预处理数据。
将numpy作为np导入
导入日志记录
logging.getLogger（“tensorflow”）.setLevel（logging.WARNING）
#声明特性列表。我们只有一个数字特征。有很多
#更复杂、更有用的其他类型的列。
特征列=[tf.特征列.数字列（“x”，形状=[1]）]
#估计器是调用训练（拟合）和评估的前端
#（推论）。有许多预定义类型，如线性回归，
#线性分类，以及许多神经网络分类器和回归器。
#下面的代码提供了一个进行线性回归的估计器。
估计器=tf.估计器.线性累加器（特征列=特征列）
#TensorFlow提供了许多辅助方法来读取和设置数据集。
#这里我们使用两个数据集：一个用于培训，一个用于评估
#我们必须告诉函数有多少批
#我们需要的数据数量（数量）以及每批数据的大小。
x_列=np.数组（[1,2,3,4]）
y_列=np.数组（[0.，-1.，-2.，-3.）
x_eval=np.数组（[2,5,8,1]）b
y_eval=np.array（[-1.01，-4.1，-7,0.]）
输入\u fn=tf.estimator.inputs.numpy\u输入\u fn(
{“x”：x_train}，y_train，批处理大小=4，num_epochs=None，shuffle=True）
#为什么是新纪元？
列车输入=tf.estimator.inputs.numpy输入(
{“x”：x_train}，y_train，批量大小=4，次数=10000，随机播放=False）
#为什么是新纪元？
eval\u input\u fn=tf.estimator.inputs.numpy\u input\u fn(
{“x”：x_eval}，y_eval，批处理大小=4，num_epochs=10000，shuffle=False）
#通过调用该方法并传递
#训练数据集。
估算器.序列（输入=输入，步数=1000）
#在这里，我们评估我们的模型做得有多好。
训练度量=估计器。评估（输入=训练输入，步骤=1）
评估指标=估计器。评估（输入=评估输入，步骤=1）
打印（'列车评估时间'，t2-t1）
打印（'测试评估时间'，t3-t2）
打印（“列车指标：%r”%train\u指标）
打印（“评估指标：%r”%eval\u指标）

num_epoch

用于迭代数据的最大容量

---

在您的例子中，培训数据中只有4个示例，并且批大小为4，因此每个历元只能执行一个步骤。一步之后，如果

num_epoch=1，它将引发
tf.errors.OutOfRangeError
，因为您的数据只能循环一次。您在代码中执行了1000个步骤，因为您设置了
num_epoch=None
，这意味着它允许无限迭代。
num_epoch
用于迭代数据的最大容量

在您的例子中，培训数据中只有4个示例，并且批大小为4，因此每个历元只能执行一个步骤。一步之后，如果
num_epoch=1，它将引发
tf.errors.OutOfRangeError
，因为您的数据只能循环一次。您在代码中执行了1000个步骤，因为您设置了
num\u epoch=None
，这意味着它允许无限迭代。
对！对于评估，您只需要
num\u epochs=1
对！对于评估，您只需要
num_epochs=1