训练批次：哪种 TensorFlow 方法是正确的？

Question

我正在尝试训练一个非常简单的神经网络来对数据样本进行分类，其中某些类必然会胜过其他类 - 这就是为什么我决定让输入数据分批进入网络的原因。使用 Tensorflow，显然您可以获得多种声明批次的方法，例如 tf.data.Dataset.batch（我目前使用 Adam Optimizer 进行训练）和 tf.train.batch。区别在哪里？这些方法应该一起使用还是独占？在后一种情况下：我应该更喜欢哪一个？

Answer 1

tf.train.* 是一种较旧的 API，比 tf.data.* 更复杂且容易出错（您需要照顾好队列、线程运行器、协调器等）。对于您声明的目的（批处理数据并将其提供给模型），两者在功能上是等效的，因为两者都可以实现您的目标。但是，您应该考虑使用tf.data，因为它更易于使用，而且currently recommended way 可以处理输入数据集。