Поезд на партиях в Tensorflow

В настоящее время я пытаюсь обучить модель для большого файла CSV (> 70 ГБ с более чем 60 миллионов строк). Для этого я использую tf.contrib.learn.read_batch_examples. Я изо всех сил пытаюсь понять, как эта функция на самом деле читает данные. Если я использую размер пакета, например, 50 000, считывает ли он первые 50 000 строк файла? Если я хочу перебрать весь файл (1 эпоха), я должен использовать num_rows / batch_size = 1.200 количество шагов для метода estimator.fit?

Вот функция ввода, которую я сейчас использую:

def input_fn(file_names, batch_size):
    # Read csv files and create examples dict
    examples_dict = read_csv_examples(file_names, batch_size)

    # Continuous features
    feature_cols = {k: tf.string_to_number(examples_dict[k],
                                           out_type=tf.float32) for k in CONTINUOUS_COLUMNS}

    # Categorical features
    feature_cols.update({
                            k: tf.SparseTensor(
                                indices=[[i, 0] for i in range(examples_dict[k].get_shape()[0])],
                                values=examples_dict[k],
                                shape=[int(examples_dict[k].get_shape()[0]), 1])
                            for k in CATEGORICAL_COLUMNS})

    label = tf.string_to_number(examples_dict[LABEL_COLUMN], out_type=tf.int32)

    return feature_cols, label


def read_csv_examples(file_names, batch_size):
    def parse_fn(record):
        record_defaults = [tf.constant([''], dtype=tf.string)] * len(COLUMNS)

        return tf.decode_csv(record, record_defaults)

    examples_op = tf.contrib.learn.read_batch_examples(
        file_names,
        batch_size=batch_size,
        queue_capacity=batch_size*2.5,
        reader=tf.TextLineReader,
        parse_fn=parse_fn,
        #read_batch_size= batch_size,
        #randomize_input=True,
        num_threads=8
    )

    # Important: convert examples to dict for ease of use in `input_fn`
    # Map each header to its respective column (COLUMNS order
    # matters!
    examples_dict_op = {}
    for i, header in enumerate(COLUMNS):
        examples_dict_op[header] = examples_op[:, i]

    return examples_dict_op

Вот код, который я использую для обучения модели:

def train_and_eval():
"""Train and evaluate the model."""

m = build_estimator(model_dir)
m.fit(input_fn=lambda: input_fn(train_file_name, batch_size), steps=steps)

Что произойдет, если я вызову функцию подгонки снова с тем же input_fn. Он начинается снова в начале файла или запоминает строку, где он остановился в прошлый раз?

Поскольку ответа пока нет, я хочу попытаться дать хотя бы какой-то полезный ответ. Включение определений констант поможет немного понять предоставленный код.

Вообще говоря, партия использует n раз запись или элемент. Как вы определяете предмет, зависит от вашей проблемы. В тензорном потоке партия кодируется в первом измерении тензора. В вашем случае с файлом CSV это может быть строка за строкой ( reader=tf.TextLineReader). Это можно узнать по столбцам, но я не думаю, что это происходит в вашем коде. Если вы хотите тренироваться со всем вашим набором данных (= одна эпоха ), вы можете сделать это с помощью numBatches=numItems/batchSize.