了解如何训练我的tensorflow CNN，linebylin

Question

有人能帮我理解下面代码中的每一行都在做什么吗？ 我对tensorflow很陌生，很困惑。你知道吗

for epoch in range(training_epochs):
    avg_cost = 0
    total_batch = int(mnist.train.num_examples / batch_size)

    for i in range(total_batch):
        batch_xs, batch_ys = mnist.train.next_batch(batch_size)
        c, _ = m1.train(batch_xs, batch_ys)
        avg_cost += c / total_batch

    print('Epoch:', '%04d' % (epoch + 1), 'cost =', 
'{:.9f}'.format(avg_cost))

我已经定义了时代的数量。for循环中的代码根据训练时间指定的迭代次数来训练模型。你知道吗

1. 我不明白batch_xs和batch_ys是什么，以及为什么mnist.train.next_batch(batch_size)的结果返回两个分别定义为batch_xs和batch_ys的值。你知道吗
2. c, _ = m1.train(batch_xs, batch_ys)。c是成本，但下划线是什么？你知道吗
3. 为什么每次迭代都用c / total_batch而不是c修改成本？你知道吗

请帮助我理解。你知道吗

Answer 1

1. 对于您的第一个问题，您可能应该包含更多的代码。在没有看到其余代码的情况下，我可以猜测batch_xs, batch_ys是data, labels。你知道吗
2. _通常意味着一个不需要的变量，这意味着函数返回2个对象，但是您只需要第一个对象，因此您用一个有意义的名称（c）来表示所需的对象，而用一个不太有意义的名称（_）来表示另一个对象。你知道吗
3. c / total_batch正是你想要的。这是成比例的成本。你知道吗

Answer 2

我假设你用的是亨金的教程。你知道吗

1. mnist.train.next_batch(batch_size)基本上返回要训练的下一批。这可能是MNIST CNN/DNN，这意味着您需要输入和标签来输入网络，即手写数字的图像（输入）和正确的预测（标签）应该是什么。它们分别是batch_xs和batch_ys。

2. m1.train返回两个对象，第一个是步骤的开销。_是一个变量名，通常用于表示您不会使用的内容。

3. avg_cost仅在运行整个epoch之后才打印。这表明avg_cost是这个时代的平均成本。现在，c是一步的平均成本。每个历元的总步数是total_batch。然后要计算一个历元的平均成本，应该将每个步骤返回的所有c相加，然后除以total_batch。基本上就是这样做的；avg_cost += c / total_batch。