[machine-learning] TensorFlow에서 단계와 시대의 차이점은 무엇입니까?

현재 tf.estimator API로 실험 중이므로 여기에 제 결과물을 추가하고 싶습니다. 단계 및 epochs 매개 변수의 사용이 TensorFlow 전체에서 일관되는지 아직 알지 못하므로 지금은 tf.estimator (특히 tf.estimator.LinearRegressor)와 관련이 있습니다.

에 의해 정의 된 훈련 단계 num_epochs: steps명시 적으로 정의되지 않음

estimator = tf.estimator.LinearRegressor(feature_columns=ft_cols)
train_input =  tf.estimator.inputs.numpy_input_fn({'x':x_train},y_train,batch_size=4,num_epochs=1,shuffle=True)
estimator.train(input_fn=train_input)

코멘트 : 내가 설정 한 num_epochs=1훈련 입력에 대한 문서의 항목은 numpy_input_fn나에게 말한다 “데이터 반복하는 정수, 시대의 수 만약이 num_epochs을. None영원히 실행됩니다.” . 로 num_epochs=1위의 예에서 훈련 정확하게 실행 x_train.size / BATCH_SIZE의 시간 / 단계 (나의 경우이 175000 단계이었다 x_train700000의 크기를했고, batch_size4이었다).

다음에 의해 정의 된 훈련 단계 num_epochs: steps암시 적으로 정의 된 단계 수보다 더 높게 명시 적으로 정의 됨num_epochs=1

estimator = tf.estimator.LinearRegressor(feature_columns=ft_cols)
train_input =  tf.estimator.inputs.numpy_input_fn({'x':x_train},y_train,batch_size=4,num_epochs=1,shuffle=True)
estimator.train(input_fn=train_input, steps=200000)

설명 : num_epochs=1제 경우에는 175000 단계 ( x_train.size / batch_size with x_train.size = 700,000 및 batch_size = 4 )를 의미하며 이것은 estimator.trainsteps 매개 변수가 200,000으로 설정되었지만 정확히 단계 수입니다 estimator.train(input_fn=train_input, steps=200000).

에 의해 정의 된 훈련 단계 steps

estimator = tf.estimator.LinearRegressor(feature_columns=ft_cols)
train_input =  tf.estimator.inputs.numpy_input_fn({'x':x_train},y_train,batch_size=4,num_epochs=1,shuffle=True)
estimator.train(input_fn=train_input, steps=1000)

댓글 : 1000 걸음 후에 훈련 중지를 num_epochs=1호출 할 때 설정했지만 numpy_input_fn. steps=1000in 이 in을 estimator.train(input_fn=train_input, steps=1000)덮어 쓰기 때문 num_epochs=1입니다 tf.estimator.inputs.numpy_input_fn({'x':x_train},y_train,batch_size=4,num_epochs=1,shuffle=True).

결론 : 무엇이든은 매개 변수 num_epochs에 대한 tf.estimator.inputs.numpy_input_fn및 steps대한 estimator.train정의, 하한을 통해 실행됩니다 단계의 수를 결정합니다.

답변

steps = (epoch * examples)/batch size
For instance
epoch = 100, examples = 1000 and batch_size = 1000
steps = 100