提交 3e27398d 编写于 作者: Q qijun

update variable name

上级 abcf34a3
......@@ -300,10 +300,10 @@ reader=paddle.batch(
batch_size=256)
```
`reader_dict` is devoted to specifying the correspondence between each yield record and `paddle.layer.data`. For instance, the first column of data generated by `movielens.train` corresponds to `user_id` feature.
`feeding` is devoted to specifying the correspondence between each yield record and `paddle.layer.data`. For instance, the first column of data generated by `movielens.train` corresponds to `user_id` feature.
```python
reader_dict = {
feeding = {
'user_id': 0,
'gender_id': 1,
'age_id': 2,
......@@ -363,7 +363,7 @@ Finally, we can invoke `trainer.train` to start training:
trainer.train(
reader=reader,
event_handler=event_handler_plot,
feeding=reader_dict,
feeding=feeding,
num_passes=2)
```
......
......@@ -321,12 +321,12 @@ trainer = paddle.trainer.SGD(cost=cost, parameters=parameters,
下面我们开始训练过程。
我们直接使用Paddle提供的数据集读取程序。`paddle.dataset.movielens.train()``paddle.dataset.movielens.test()`分别做训练和预测数据集。并且通过`reader_dict`来指定每一个数据和data_layer的对应关系。
我们直接使用Paddle提供的数据集读取程序。`paddle.dataset.movielens.train()``paddle.dataset.movielens.test()`分别做训练和预测数据集。并且通过`feeding`来指定每一个数据和data_layer的对应关系。
例如,这里的reader_dict表示的是,对于数据层 `user_id`,使用了reader中每一条数据的第0个元素。`gender_id`数据层使用了第1个元素。以此类推。
例如,这里的feeding表示的是,对于数据层 `user_id`,使用了reader中每一条数据的第0个元素。`gender_id`数据层使用了第1个元素。以此类推。
```python
reader_dict = {
feeding = {
'user_id': 0,
'gender_id': 1,
'age_id': 2,
......@@ -391,7 +391,7 @@ trainer.train(
paddle.dataset.movielens.train(), buf_size=8192),
batch_size=256),
event_handler=event_handler_plot,
feeding=reader_dict,
feeding=feeding,
num_passes=2)
```
......
......@@ -342,10 +342,10 @@ reader=paddle.batch(
batch_size=256)
```
`reader_dict` is devoted to specifying the correspondence between each yield record and `paddle.layer.data`. For instance, the first column of data generated by `movielens.train` corresponds to `user_id` feature.
`feeding` is devoted to specifying the correspondence between each yield record and `paddle.layer.data`. For instance, the first column of data generated by `movielens.train` corresponds to `user_id` feature.
```python
reader_dict = {
feeding = {
'user_id': 0,
'gender_id': 1,
'age_id': 2,
......@@ -405,7 +405,7 @@ Finally, we can invoke `trainer.train` to start training:
trainer.train(
reader=reader,
event_handler=event_handler_plot,
feeding=reader_dict,
feeding=feeding,
num_passes=2)
```
......
......@@ -363,12 +363,12 @@ trainer = paddle.trainer.SGD(cost=cost, parameters=parameters,
下面我们开始训练过程。
我们直接使用Paddle提供的数据集读取程序。`paddle.dataset.movielens.train()`和`paddle.dataset.movielens.test()`分别做训练和预测数据集。并且通过`reader_dict`来指定每一个数据和data_layer的对应关系。
我们直接使用Paddle提供的数据集读取程序。`paddle.dataset.movielens.train()`和`paddle.dataset.movielens.test()`分别做训练和预测数据集。并且通过`feeding`来指定每一个数据和data_layer的对应关系。
例如,这里的reader_dict表示的是,对于数据层 `user_id`,使用了reader中每一条数据的第0个元素。`gender_id`数据层使用了第1个元素。以此类推。
例如,这里的feeding表示的是,对于数据层 `user_id`,使用了reader中每一条数据的第0个元素。`gender_id`数据层使用了第1个元素。以此类推。
```python
reader_dict = {
feeding = {
'user_id': 0,
'gender_id': 1,
'age_id': 2,
......@@ -433,7 +433,7 @@ trainer.train(
paddle.dataset.movielens.train(), buf_size=8192),
batch_size=256),
event_handler=event_handler_plot,
feeding=reader_dict,
feeding=feeding,
num_passes=2)
```
......
Markdown is supported
0% .
You are about to add 0 people to the discussion. Proceed with caution.
先完成此消息的编辑!
想要评论请 注册