features = [tf.contrib.layers.real_valued_column("x", dimension=1)]
estimator = tf.contrib.learn.LinearRegressor(feature_columns=features)
y = np.array([0., -1., -2., -3.])
input_fn = tf.contrib.learn.io.numpy_input_fn({"x":x}, y, batch_size=4,
num_epochs=1000)
estimator.fit(input_fn=input_fn, steps=1000)
Zum Beispiel bedeuten diese "Schritte = 1000" und "num_epochs = 1000" genau das Gleiche? Wenn ja, warum muss es dupliziert werden? Wenn nicht, kann ich diese beiden Parameter anders einstellen?Sind Epochen und Trainingsschritte dasselbe?
BTW, in meinem Beispiel kann ich die Schritte von "500" zu "1000" ändern? Mein Verständnis ist nicht, da alle Datenpunkte in einem Schritt wegen Batchgröße = "4" verwendet werden. Wenn das der Fall ist, warum sollte ich den Parameter "steps" angeben? Sollte es nicht immer automatisch durch "(# Datenpunkte/Losgröße) * Epochen" berechnet werden? – user697911