本文共 758 字，大约阅读时间需要 2 分钟。

2021/3/28：本人对global_step理解甚浅，以下内容仅是我发现问题、进行相关搜索后的小记录，可能存在错误之处，还请大神指正。

问题的由来

 中，所用模型的的迭代次数似乎不可控（详见train.py）。

尝试搜索包含epoch, step, num等的关键词，加以修改，迭代次数均无变化，得到的只有一些报错信息。

随后，与计算机专业同学交流后，发现可能是因为包含“global_step”。

浅析global_step

可能正如所说（），global_step是不可自定义的，它只能算作一个自动加一的迭代计数器。

global_step记录的是train阶段每一步的索引，或者说是训练迭代的计数器，比如说在最后画loss和 accuracy的横坐标即是global_step

而其数值动态调整，可能是由衰减率等参数决定的（）。

2021/3/29：新发现

就中的模型代码(train.py)而言，迭代次数可控。

关注代码中出现的for循环，这很可能决定了迭代次数。打印，查看其循环次数信息。

print("len(word_batch)",len(word_batch)) #50for i in range(len(word_batch)):                    ……

将下列for循环的循环次数自定义为50，即有50次迭代训练。

print("settings.num_epochs",settings.num_epochs) #10——此即当前迭代次数！for one_epoch in range(settings.num_epochs):                ……

转载地址：https://blog.csdn.net/YWP_2016/article/details/115292617 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！