MNIST集合包含60000个用于训练集的图像。在训练我的Tensorflow时,我想运行训练步骤来训练整个训练集的模型。 Tensorflow网站上的深度学习示例使用20000次迭代,批量大小为50(总计为1,000,000批次)。当我尝试超过30,000次迭代时,我的数字预测失败(预测所有手写数字为0)。我的问题是,我应该使用多少次迭代,批量大小为50来训练整个MNIST集的张量流模型?用整个MNIST数据集(60000图像)训练张量流所需的迭代次数?
self.mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
for i in range(FLAGS.training_steps):
batch = self.mnist.train.next_batch(50)
self.train_step.run(feed_dict={self.x: batch[0], self.y_: batch[1], self.keep_prob: 0.5})
if (i+1)%1000 == 0:
saver.save(self.sess, FLAGS.checkpoint_dir + 'model.ckpt', global_step = i)
我想我会做到这一点。可能在每1000次迭代中,我会尽量准确。如果在某个时候,积分下降到0,我应该停止在那里下雨。 – Swapnil