如何在Tensorflow 2中实现小批量梯度下降？

Question

我对机器学习和Tensorflow相对较新，我想尝试在MNIST数据集上实现小型批处理梯度下降。然而，我不知道该如何实施。

(附带说明:训练图像(28 in乘28 in)和标签存储在Numpy数组中)

目前，我可以看到两种不同的实现方法：

1. My训练图像位于一个60万，28，28的Numpy数组中。将其重新构造为25 (num批)、2400 (批处理中的num映像)、28、28，然后使用for循环调用每个批，并将其传递给model.compile()方法。对于这种方法，我唯一担心的是for循环本身是缓慢的，而矢量化实现则要快得多。

1. 将图像和标签组合到tensorflow dataset对象中，然后调用Dataset.batch()方法和Dataset.prefetch()方法，然后将数据传递给model.compile()方法。唯一的问题是，我的数据不是一个Numpy数组，我觉得它比tensorflow dataset对象具有更大的灵活性。

这两种方法中哪一种最好实现，还是有第三种方法是我不知道的最好的方法？

Answer 1

Keras的model.fit方法有一个内置的model.fit参数(因为您用keras标记了这个问题，我假设您正在使用它)。我相信，这可能是最好的优化方法，以实现您正在寻找的。