TensorFlow：dataset.train.next_batch 是如何定义的？

Question

我正在尝试学习 TensorFlow 并研究示例：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，那么mnist.train.next_batch到底是什么意思呢？ dataset.train.next_batch 是如何定义的？

谢谢！

Answer 1

mnist 对象从 read_data_sets() function defined in the tf.contrib.learn module. The mnist.train.next_batch(batch_size) method is implemented here 返回，它 returns 两个数组的元组，其中第一个代表一批 batch_size MNIST 图像，第二个表示与这些图像对应的一批 batch-size 个标签。

图像以大小为 [batch_size, 784] 的二维 NumPy 数组形式返回（因为 MNIST 图像中有 784 个像素），标签以大小为一维 NumPy 数组的形式返回[batch_size]（如果使用 one_hot=False 调用了 read_data_sets()）或大小为 [batch_size, 10] 的二维 NumPy 数组（如果使用 one_hot=True 调用了 read_data_sets() ).

TensorFlow：dataset.train.next_batch 是如何定义的？

TensorFlow: how is dataset.train.next_batch defined?

python-3.x

tensorflow

neural-network

autoencoder