github 上 tensorflow 一个简单项目，新手有点不太懂

[alwayshere]

https://github.com/anhad13/DeepAestheticLearning

对 TF 入门有一点点模糊的概念，因为看文档教程实在乏味又晦涩，想在 github 上找个简单项目找到大致的感觉明确方向再入门，然后找到了这么一个简单的项目，目前就是有两点不太懂：

1. 这里面的 build_model.py 中， no_of_epochs 指的是什么？假如我训练样本图片有 25 万张，这个 no_of_epochs 该取值多少？
2. tensorflow 是否有“缓存”这一概念，这个项目中，作为 phper 大致看了下 Python 代码，每次测试一张图片貌似都要训练一次样本集，如果图片太多比如几十万张的情况下，是否也太慢了，可否训练一次几十万张图片样本，然后“缓存”下来，用缓存的结果去测试一张图片，这样的话，代码上该怎样实现 求 V2er 解疑释惑，不胜感激

[enenaaa]

1 、 no_of_epochs 是训练次数，在准确率收敛前增加次数能提高准确率。

2 、这个问法有点让我有点愣住。 每次训练，信息都会“保存”在神经网络的参数里， 训练好之后就可以直接测试了。
这个“保存”说得不确切， 大体上网络参数会根据输入图片和预设答案不断调整，参看“反向传播算法”。

[alwayshere]

@enenaaa 谢谢，如果是 25 万张图片，建议 no_of_epochs 该具体量化成多少呢？我说的“缓存”是指缓存在硬盘上，这个 build_model.py 中，每次调用 predict 都要先“ load_training_set ”一次，也就是说先要跑一次所有图片样本集，这样做是否会消耗大量时间？新手幼稚问题哈，希望不要被贻笑大方

[954880786]

1. 可以这么理解 epoch 数是指把整个训练样本训练几遍，由于目前基本都使用 sgd 算法，每次训练只会从样本中取一个小部分作为一个 batch 进行训练。 epoch 数越高一般模型表现会越好，但过多也没有什么意义。

建议楼主可以学习 cs229 和 cs231n 普及一下基本概念。

[Xs0ul]

1. no_of_epochs 是 number of epochs ，一般把整个训练集循环一遍叫一个 epoch 。
2. “每次测试一张图片貌似都要训练一次样本集”，模型就是要靠比较每一次的测试结果和真实结果来训练的，所以不存在先训练再测试的说法。

这两个问题，倒其实不算是 deep learning 的内容。楼主可以看看 gradient descend/梯度下降法 以及修改版 SGD/随机梯度下降法、 minibatch GD/批量梯度下降。

不过讲道理，入门 deep learning ，不自己推导反向传播公式之类的倒是无所谓。但是啥理论也不想看，就想直接看懂代码做了什么。。那可能想多了

[princelai]

保存到本地是 tf.train.saver 吧，其实就是把参数保存起来， epoch 设置为多少要看模型，简单的几百次就收敛了，复杂的可能要几万次吧

[enenaaa]

@alwayshere
训练次数看结果什么时候收敛，不同的模型不一样。训练次数、学习率、规范化参数怎么设置，怎么优化就需要了解下理论了。