tf.contrib.learn.BaseEstimator.evaluate()：“steps”参数是什么意思？

【问题标题】：tf.contrib.learn.BaseEstimator.evaluate(): What is the meaning of the "steps" parameter?tf.contrib.learn.BaseEstimator.evaluate()：“steps”参数是什么意思？
【发布时间】：2016-10-11 19:18:45
【问题描述】：

根据https://www.tensorflow.org/versions/r0.9/api_docs/python/contrib.learn.html，tf.contrib.learn.BaseEstimator.evaluate 函数可以接受一个steps参数。参数解释如下：

steps：评估模型的步骤数。如果没有，评估永远。

评估如何有步骤？在我的理解中，一个训练好的模型应该只“评估”一次（即steps=1），然后根据目标标签计算损失，对吧？

谢谢！

【问题讨论】：

请注意'thanks' 和'greetings' 被认为是此类常见问题解答网站的不良风格。想传递信息，因为我最近了解到它！

标签： tensorflow deep-learning skflow

【解决方案1】：

您还可以在生成数据的函数上运行经过训练的模型。在这种情况下，您可以生成无限量的数据，并且不想永远运行您的评估。（您也可以拥有大量数据和小批量，因此再次花费太长时间）。在任何一种情况下，您都只想针对某些总体样本评估模型。

【讨论】：

谢谢 Steven - 你的意思是评估数据可以是一个连续的流，steps 参数是关于我们要评估多少个数据点？
正是我所指的。我不确定它是否接受 0.9 甚至 0.11 中的函数作为参数，但他们计划在某个时候添加它。
@Steven，您能否通过声称 steps 参数设置评估多少数据点来澄清您的意思？当使用具有不同步骤的函数时，我只看到它评估 128 个示例，无论传递的输入示例的数量如何，小于或大于 128。我误解了您的解释吗？