《深度学习之TensorFlow入门、原理与进阶实战》—3.3.9 迭代更新参数到最优解

3.3.9  迭代更新参数到最优解

　　在迭代训练环节，都是需要通过建立一个session来完成的，常用的是使用with语法,可以在session结束后自行关闭，当然还有其他方法，第4章会详细介绍。

with tf.Session() as sess:

　　前面说过，在session中通过run来运算模型中的节点，在训练环节也是如此，只不过run里面放的是优化操作的OP，同时会在外层加上循环次数。

for epoch in range(training_epochs):

        for (x, y) in zip(train_X, train_Y):

            sess.run(optimizer, feed_dict={X: x, Y: y})

　　真正使用过程中会引入一个叫做MINIBATCH概念进行迭代训练,即每次取一定量的数据同时放到网络里进行训练，这样做的好处和意义会在后面详细介绍。