如何使用 TensorFlow 定义 MNIST 训练图像的固定序列？

Question

我尝试使用 TensorFlow 和 TensorFlow 示例中的 MNIST 数据集训练模型。那很好用。但是每次我启动我的 python 脚本时，运行模型训练都有不同的训练图像顺序（序列）。当我启动 python 脚本时，如何定义训练图像的序列每次都相同？

Answer 1

假设您正在关注 this tutorial，您的脚本中会有一些代码如下所示：

for _ in range(1000):
    batch = mnist.train.next_batch(100)   
    train_step.run(feed_dict={x: batch[0], y_: batch[1]})

定义函数next_batchhere.在定义中，

 def next_batch(self, batch_size, fake_data=False, shuffle=True):

您会看到关键字参数 shuffle 默认为 True。因此，请尝试将您的调用更改为 next_batch 以包含 shuffle=False，如下所示。

batch = mnist.train.next_batch(100, shuffle=False)

如果没有您尝试使用的实际脚本的最小示例，将很难提供更多信息。

How to define a fix sequence of MNIST training images with TensorFlow?