TensorFlow:如何定义dataset.train.next_batch

Question

我正在尝试学习TensorFlow并在以下位置研究示例：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/autoencoder.ipynb

然后我在下面的代码中有一些问题：

for epoch in range(training_epochs):
    # Loop over all batches
    for i in range(total_batch):
        batch_xs, batch_ys = mnist.train.next_batch(batch_size)
        # Run optimization op (backprop) and cost op (to get loss value)
        _, c = sess.run([optimizer, cost], feed_dict={X: batch_xs})
    # Display logs per epoch step
    if epoch % display_step == 0:
        print("Epoch:", '%04d' % (epoch+1),
              "cost=", "{:.9f}".format(c))

既然 mnist 只是一个数据集，mnist.train.next_batch到底是什么意思？dataset.train.next_batch是如何定义的？

谢谢！

Answer 1

mnist 对象从 tf.contrib.learn 模块中定义的 read_data_sets() 函数返回。这里实现了 mnist.train.next_batch(batch_size) 方法，它返回一个由两个数组组成的元组，其中第一个表示一批 batch_size MNIST 图像，第二个表示与这些图像对应的一批batch-size标签。

图像作为大小为 [batch_size, 784] 的 2-D NumPy 数组返回（

因为 MNIST 图像中有 784 像素），标签作为大小为 [batch_size] 的一维 NumPy 数组返回（如果使用 one_hot=False 调用read_data_sets()）或大小为 [batch_size, 10] 的 2-D NumPy 数组（如果使用 one_hot=True 调用read_data_sets()）。