训练批次：哪种 Tensorflow 方法是正确的？

Question

我正在尝试训练一个非常简单的神经网络来对数据样本进行分类，其中某些类必然会继承其他类 - 这就是我决定让输入数据分批进入网络的原因。 使用 Tensorflow，显然您可以获得多种声明批次的方法，例如tf.data.Dataset.batch （我目前使用 Adam Optimizer 进行训练）和tf.train.batch 。 区别在哪里？ 这些方法应该一起使用还是排他的？ 在后一种情况下：我应该更喜欢哪个？

Answer 1

tf.train.*是一种较旧的 API，比tf.data.*更复杂且容易出错（您需要照顾好队列、线程运行器、协调器等）。 对于您的既定目的（批处理数据并将其提供给模型），两者在功能上是等效的，因为两者都可以实现您的目标。 但是，您应该考虑使用tf.data因为它更易于使用，也是当前推荐的处理输入数据集的方式。