为什么要定义class estimator的evaluate（）的步数？

Question

为什么在调用类估计器的evaluate（）函数时定义步骤数是有用的？

nn = tf.contrib.learn.Estimator(model_fn=model_fn, params=model_params, model_dir= direc)

# Fit
nn.fit(x=training_set.data, y=training_set.target, steps=500)

# Score accuracy
ev = nn.evaluate(x=test_set.data, y=test_set.target, steps=1)

对于evaluate（），情况是否应该是1？

Answer 1

参数步骤对于一个特征和目标的生成器在一个史诗之后没有停止的情况很有用。有几种不同的x =，y =，input_fn =，feed_fn =和steps =允许的组合（以及许多不允许的组合）。由于Estimator仍在tf.contrib.learn，因此Google团队仍在积极开发中。听起来Estimator会在四月份的某个时候转移到版本r1.1中的tf.core。在那之前，文档是sparce，并且可能会发生变化。