TensorFlow：每個session.run（）調用有多少梯度步驟？

Question

一個gradent下降算法使對極小幾個步驟。我的問題是，每次調用sess.run時會執行多少個這些步驟。爲了舉例說明一下：

我在我的網絡使用梯度下降算法（tf.train.AdamOptimizer）。我有這樣一個循環：

for epoch in range(100): 
    sess.run(ops['optimizer'], 
     feed_dict=train_feed_dict 
    )  

這個時代循環運行100次。我的問題是，如果一個sess.run調用向最小值邁出了一小步。或者，是不是每個時代的榮耀體面的一個步驟？

Answer 1

如果ops['optimizer']是tf.train.AdamOptimizer(some_learning_rate).minimize(some_loss)的單個調用，那麼運行它將執行恰好一個下降步驟。所以你的循環將會有100個步驟。