Estimator模型训练和数据传递

Question

老师好：
1.在1.0中，在定义优化器的后，定义了train_op = optimizer.minimize(loss, global_step = tf.train.get_global_step())，请问在定义了train_op 之后，我们需要训练的参数有哪些呢，为什么需要训练这些参数？然后是我们如何把这些训练参数加入到训练中？在训练过程中如何又知道我们训练了哪些参数？这是三个问题思考了半天没头绪，恳请老师帮忙解答下，感谢！
2.estimator.train(input_fn=…)，这个数据是如何传递的呢。在tf框架中的很多工作都帮我们做了，过程感觉对用户是透明的，学起来感觉有些抽象

Answer 1

正十七 2020-05-13 18:10:46

1. train_op需要训练的参数其实可以由minimize函数的参数传进去：https://www.tensorflow.org/api_docs/python/tf/compat/v1/train/AdamOptimizer#minimize，如果没有传，默认就是所有的可以训练的变量。你可以自定义。

2. input_fn会生成一个dataset，然后estimator会尝试遍历整个dataset，取出数据去进行训练。这些逻辑是对用户透明的。你可以理解成有一个逻辑来遍历数据集，然后将拿到的数据传给网络训练的逻辑。