tensorflow编程中batch和epoch

在机器学习中，epoch是指将所有训练样本进入一次模型，我们知道，机器学习的过程就是不断地调整权值和阈值的过程，可以只输入一个样本就进行一次调整，也可以输进去一批样本进行一次调整。以MNSIT数据集为例，可以通过如下的方式编程实现：

batch_size = 200 #批处理样本数
x_train_num = 10000 #训练集样本数量
batch_steps = int(mnist.train.num_examples / batch_size) #一次epoch所需要的批训练的次数
for i in range (batch_steps):
    batch_x, batch_y = mnist.train.next_batch(batch_size) #获取批训练样本
    sess.run([train, loss], feed_dict = {x: batch_x, y: batch_y}) #进行一次训练
print("Epoch %02d, Loss = %.6f" %(epoch, epoch_loss)) #格式化输出

int可以将训练的次数转为整数，batch_steps就是一次epoch所需要的批训练的次数，mnist.train.next_batch可以取出来指定数量的一批