了解如何逐行训练我的 tensorflow CNN

Question

有人可以帮助我了解以下代码中的每一行在做什么吗？我是 tensorflow 的新手并且非常困惑。

for epoch in range(training_epochs):

    avg_cost = 0

    total_batch = int(mnist.train.num_examples / batch_size)

    for i in range(total_batch):

        batch_xs, batch_ys = mnist.train.next_batch(batch_size)

        c, _ = m1.train(batch_xs, batch_ys)

        avg_cost += c / total_batch

    print('Epoch:', '%04d' % (epoch + 1), 'cost =', 

'{:.9f}'.format(avg_cost))

我已经定义了时代的数量。for循环内的代码通过training_epochs指定的迭代次数训练模型。

我不明白什么是什么batch_xs以及batch_ys为什么以及为什么mnist.train.next_batch(batch_size)返回的结果分别定义为batch_xs和的两个值batch_ys。

c, _ = m1.train(batch_xs, batch_ys)。c是多少，但底线是多少？

为什么每次迭代都会修改成本c / total_batch而不是c？

请帮助我理解。

Answer 1

我假设您正在使用hunkim的教程。mnist.train.next_batch(batch_size)基本上返回下一批要训练的东西。可能是MNIST CNN / DNN，这意味着您需要输入和标签才能输入网络，即手写数字（输入）的图像以及正确的预测（标签）应该是什么。它们分别是batch_xs和batch_ys。m1.train返回两个对象，第一个是步骤的成本。_是通常用于不使用的变量的名称。avg_cost仅在整个 epoch 运行后才打印。这表明这avg_cost是该时期的平均成本。现在，c是一步的平均成本。每个纪元的总步数为total_batch。然后要计算一个epoch的平均成本，您应该将c每一步返回的所有s相加，然后除以total_batch。这就是本质上正在做的事情；avg_cost += c / total_batch。

Answer 2

对于您的第一个问题，您可能应该包含更多代码。在没有看到其余代码的情况下，我可以猜到batch_xs, batch_ys是data, labels。_通常表示不需要的变量，这意味着该函数返回 2 个对象，但您只想要第一个，因此您用有意义的名称 ( c)表示所需的一个，而另一个则用不那么 ( _) 表示。c / total_batch正是您想要的。这是成比例的成本。