我正在尝试转换Seq2Seq model我在本地运行使用Estimator和Experiment来使用Tensorflow分布式功能 . 基本功能和目标设置如下：
for every input and response (translation or prompt and response):
raw input -> tokenized input -> tokenized response -> raw response
注意：
-
特征将具有形状[桶数] [数字输入@桶大小] [输入桶的大小]
-
目标将具有[桶数] [数量响应@桶大小] [响应桶的大小]
几个问题：
-
一般来说，推荐使用Experiment类和Estimator接口来处理这种模型吗？
-
我可以使用实验设置培训批量大小吗？似乎
train_steps和eval_steps与训练和评估的迭代有关 . 是否有其他选项可以为这些步骤设置批量大小，还是实验在内部/自动计算批量大小？ -
我假设实验
train_input_fn和eval_input_fn可以是任何返回特征字典和目标张量的input_fn . 在上面的例子中，我真的只需要一个特征张量和一个目标张量，因为我创建一个自定义Estimator，只要我的Estimator的model_fn期望这些形状并且可以正确地从它们返回损失，它可以是任何形状 . 它是否正确？