num_epochs和steps有什么区别？

Question

在tensorflow get started代码中：

import tensorflow as tf
import numpy as np

features = [tf.contrib.layers.real_valued_column("x", dimension=1)]
estimator = tf.contrib.learn.LinearRegressor(feature_columns=features)
x = np.array([1., 2., 3., 4.])
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)
estimator.evaluate(input_fn=input_fn)

我知道batch_size是什么意思，但是当只有4个训练示例时，num_epochs和steps分别意味着什么？

Answer 1

一个时代意味着使用你拥有的全部数据。

步骤意味着使用单个批处理数据。

那么，n_steps = Number of data in single epoch // batch_size.

据docs/python/tf/cont肋骨/学/可培训称，

• 步骤:训练模型的步骤数。如果没有，就永远训练。“脚步声”起着递增的作用。如果您调用两次fit(steps=10)，那么总共会进行20个步骤的培训。如果您不希望有增量行为，请设置max_steps。如果设置了，max_steps必须为None。
• batch_size:用于输入的小型批处理大小，默认为x的第一个维度。如果提供input_fn，则必须为None。

Answer 2

num_epochs指示input_fn将返回整个批处理多少次

steps表示函数应该运行多少次。

对于这里的对象estimator的方法，它将停止运行超过“步骤”次数，或者input_fn停止提供数据，就像Tensorflow API所说的那样。

对于每个步骤，调用input_fn，它返回一批数据。求值直到：-步骤批处理，或- input_fn引发输入结束异常(OutOfRangeError或StopIteration)。