我正在通过文档学习如何使用TensorFlow。但是，我无法理解以下两个函数。我尝试在文档中搜索过，但没有得到明确的答案。

input_fn = tf.contrib.learn.io.numpy_input_fn({"x":x_train}, y_train,                                          batch_size=4,                                          num_epochs=1000)eval_input_fn = tf.contrib.learn.io.numpy_input_fn(    {"x":x_eval}, y_eval, batch_size=4, num_epochs=1000)

另外，如果您能解释一下函数中的参数是什么，那就太好了。提前感谢！

回答：

我同意文档对这些值的解释不够清楚。

第一个参数是网络输入值的字典。

第二个参数是输出值。

batch_size 是每次用于训练网络的项目数量，当数据量很大时，如果每次用一个值来训练网络，训练速度会太慢，因此使用批次处理。如果 x_train 有16个项目，批次大小为4，那么网络将首先用前4个项目进行训练，然后是接下来的4个，直到使用完所有16个输入。

num_epochs 是网络节点优化尝试之前的前向和后向传递次数。

对于批次大小和轮数，您可以根据希望花费在训练上的时间与期望的性能来调整这些参数。

有关术语的详细描述，请参阅这里。

从一个示例中，您可以使用 input_fn 来获取特征和目标值，以便传递这些数据进行运行。

例如：

with self.test_session() as session:  input_fn = numpy_io.numpy_input_fn({"x":x_train}, y_train,                                      batch_size=4,                                      num_epochs=1000)  features, target = input_fn()  res = session.run([features, target])

这两个函数做的事情相同，只是 input_fn 用于训练网络，而 eval_input_fn 用于评估，因此唯一的区别在于 x 和 y 值，因为在训练数据上评估性能时，性能将是上限或最佳情况。